Shyam Sankar: The rise of human-computer cooperation

62,464 views ・ 2012-09-06

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Fordító: Peter Balla Lektor: Péter Pallós
00:15
I'd like to tell you about two games of chess.
1
15772
2556
Két sakkversenyről szeretnék mesélni.
00:18
The first happened in 1997, in which Garry Kasparov,
2
18328
3864
Az első páros mérkőzést 1997-ben játszották, abban Garri Kaszparov,
00:22
a human, lost to Deep Blue, a machine.
3
22192
3716
egy ember, veszített a Deep Blue nevű géppel szemben.
00:25
To many, this was the dawn of a new era,
4
25908
2240
Sokak számára ez egy új kor hajnala volt,
00:28
one where man would be dominated by machine.
5
28148
2779
amelyben gép uralkodik az ember felett.
00:30
But here we are, 20 years on, and the greatest change
6
30927
3334
De eltelt 20 év, és a legnagyobb változás
00:34
in how we relate to computers is the iPad,
7
34261
2690
a számítógépekhez való viszonyulásunkban az iPad,
00:36
not HAL.
8
36951
2045
nem pedig a HAL 9000.
00:38
The second game was a freestyle chess tournament
9
38996
2648
A másik szabad stílusú sakkverseny volt 2005-ben,
00:41
in 2005, in which man and machine could enter together
10
41644
2969
amelyben a játékos gépet is használhatott partnerként,
00:44
as partners, rather than adversaries, if they so chose.
11
44613
4666
nem pedig ellenfélként, ha úgy akarta.
00:49
At first, the results were predictable.
12
49279
1851
Az első eredmények előreláthatók voltak.
00:51
Even a supercomputer was beaten by a grandmaster
13
51130
2497
Még a szuperszámítógép is kikapott a nagymestertől,
00:53
with a relatively weak laptop.
14
53627
2312
ha annak volt egy gyengécske laptopja.
00:55
The surprise came at the end. Who won?
15
55939
2985
A meglepetés a végén jött. Ki nyert?
00:58
Not a grandmaster with a supercomputer,
16
58924
2776
Nem egy nagymester egy szuperszámítógéppel,
01:01
but actually two American amateurs
17
61700
1493
hanem két amerikai amatőr
01:03
using three relatively weak laptops.
18
63193
3822
három gyengécske laptoppal.
01:07
Their ability to coach and manipulate their computers
19
67015
2596
Képesek voltak úgy betanítani és kezelni a gépeiket,
01:09
to deeply explore specific positions
20
69611
2435
hogy mélyrehatóan elemezzenek egyes állásokat,
01:12
effectively counteracted the superior chess knowledge
21
72046
2390
és ez hatékonyan ellensúlyozta
01:14
of the grandmasters and the superior computational power
22
74436
2609
a nagymesterek nagyobb sakktudását
és más ellenfelek nagyobb számítási erejét.
01:17
of other adversaries.
23
77045
1909
01:18
This is an astonishing result: average men,
24
78954
2905
Ez az eredmény elképesztő: átlagemberek
01:21
average machines beating the best man, the best machine.
25
81859
4081
átlagos gépekkel legyőzték a legjobb játékost és a legjobb gépet.
01:25
And anyways, isn't it supposed to be man versus machine?
26
85940
3199
Különben is, nem arról volt szó, hogy ember a gép ellen?
01:29
Instead, it's about cooperation, and the right type of cooperation.
27
89139
4152
Ez azonban az együttműködésről szól, a megfelelő típusú együttműködésről.
01:33
We've been paying a lot of attention to Marvin Minsky's
28
93291
2857
Az utóbbi 50 évben sok figyelmet fordítottunk Marvin Minsky
01:36
vision for artificial intelligence over the last 50 years.
29
96148
3242
mesterséges intelligenciáról szóló víziójára.
01:39
It's a sexy vision, for sure. Many have embraced it.
30
99390
2262
Vonzó vízió, az biztos. Sokan felkarolták.
01:41
It's become the dominant school of thought in computer science.
31
101652
2753
A számítógép-tudományokban ez vált uralkodó felfogássá.
01:44
But as we enter the era of big data, of network systems,
32
104405
3072
De ahogy belépünk a „big data”, a hálózati rendszerek,
01:47
of open platforms, and embedded technology,
33
107477
2698
a nyílt környezetek és beágyazott technológiák korszakába,
01:50
I'd like to suggest it's time to reevaluate an alternative vision
34
110175
3392
itt az ideje újraértékelni egy alternatív víziót,
01:53
that was actually developed around the same time.
35
113567
3070
amelyet kb. ugyanakkor dolgoztak ki.
01:56
I'm talking about J.C.R. Licklider's human-computer symbiosis,
36
116637
3332
J.C.R. Licklider ember–gép szimbiózisáról beszélek,
01:59
perhaps better termed "intelligence augmentation," I.A.
37
119969
3808
amire lehet, hogy jobb kifejezés az „intelligencia fokozása”.
02:03
Licklider was a computer science titan who had a profound
38
123777
2640
Licklider a számítógép-tudományok titánja volt,
02:06
effect on the development of technology and the Internet.
39
126417
3006
és nagy hatása volt a technológia és az internet fejlődésére.
02:09
His vision was to enable man and machine to cooperate
40
129423
2868
Az volt a víziója, hogy lehetővé kell tenni ember s gép együttműködését
02:12
in making decisions, controlling complex situations
41
132291
3590
döntéshozatalban, összetett helyzetek kezelésében,
02:15
without the inflexible dependence
42
135881
1770
előre megírt programoktól való
02:17
on predetermined programs.
43
137651
2533
rugalmatlan függés nélkül.
02:20
Note that word "cooperate."
44
140184
2498
Figyeljenek oda az „együttműködés” szóra.
02:22
Licklider encourages us not to take a toaster
45
142682
2747
Licklider bátorít bennünket, hogy ne kenyérpirítót
02:25
and make it Data from "Star Trek,"
46
145429
2284
próbáljunk a Star Trek-beli Datává változtatni,
02:27
but to take a human and make her more capable.
47
147713
3535
hanem az embert ruházzuk fel több képességgel.
02:31
Humans are so amazing -- how we think,
48
151248
1911
Az emberek bámulatosak: a gondolkodásunk,
02:33
our non-linear approaches, our creativity,
49
153159
2618
a nem-lineáris megközelítéseink, a kreativitásunk,
02:35
iterative hypotheses, all very difficult if possible at all
50
155777
2131
az iteratív feltevéseink;
02:37
for computers to do.
51
157908
1345
ezeket gépnek szinte lehetetlen követnie.
02:39
Licklider intuitively realized this, contemplating humans
52
159253
2452
Licklider intuitív módon rájött erre,
02:41
setting the goals, formulating the hypotheses,
53
161705
2327
megfigyelve, hogyan fogalmazunk meg célokat, feltevéseket,
02:44
determining the criteria, and performing the evaluation.
54
164032
3376
határozunk meg feltételeket, és végzünk értékelést.
Más tekintetben viszont az emberek elég korlátozottak.
02:47
Of course, in other ways, humans are so limited.
55
167408
1775
02:49
We're terrible at scale, computation and volume.
56
169183
3235
Borzasztóan nehezen bírjuk a nagy terjedelmű számításokat.
02:52
We require high-end talent management
57
172418
1836
Csúcsminőségű tehetséggondozás kell,
02:54
to keep the rock band together and playing.
58
174254
2064
hogy a banda együtt maradjon s játsszon.
02:56
Licklider foresaw computers doing all the routinizable work
59
176318
2204
Licklider megjósolta, hogy gépek végzik majd
02:58
that was required to prepare the way for insights and decision making.
60
178522
3276
a felismerés és döntéshozatal előkészítéséhez szükséges rutinmunkát.
03:01
Silently, without much fanfare,
61
181798
2224
Csendben, nagy hírverés nélkül,
03:04
this approach has been compiling victories beyond chess.
62
184022
3354
e megközelítés a sakkon kívül is aratja a győzelmeket.
03:07
Protein folding, a topic that shares the incredible expansiveness of chess —
63
187376
3356
A fehérjék feltekeredése terjedelmes téma, mint a sakk, egy fehérje
03:10
there are more ways of folding a protein than there are atoms in the universe.
64
190732
3042
több módon tekeredhet fel, mint ahány atom van az univerzumban.
03:13
This is a world-changing problem with huge implications
65
193774
2353
Ez világot megváltoztató probléma,
és kihat a betegségek megértésére s gyógyítására.
03:16
for our ability to understand and treat disease.
66
196127
2308
03:18
And for this task, supercomputer field brute force simply isn't enough.
67
198435
4248
E feladatra a szuperszámítógépek nyers ereje egyszerűen nem elegendő.
03:22
Foldit, a game created by computer scientists,
68
202683
2384
A Foldit nevű, számítástechnikusok készítette játék
03:25
illustrates the value of the approach.
69
205067
2502
szemlélteti a megközelítés értékét.
03:27
Non-technical, non-biologist amateurs play a video game
70
207569
3041
Nem műszaki és nem biológus amatőrök játsszák a videojátékot,
03:30
in which they visually rearrange the structure of the protein,
71
210610
3073
amelyben vizuálisan újrarendezik egy fehérje szerkezetét,
03:33
allowing the computer to manage the atomic forces
72
213683
1499
a gép kezeli az atomi erőket
03:35
and interactions and identify structural issues.
73
215182
2957
s kölcsönhatásokat, azonosítja a szerkezeti elemeket.
03:38
This approach beat supercomputers 50 percent of the time
74
218139
3023
A megközelítés az esetek felében legyőzte a szuperszámítógépeket,
03:41
and tied 30 percent of the time.
75
221162
2584
az esetek 30%-ában pedig döntetlent ért el.
03:43
Foldit recently made a notable and major scientific discovery
76
223746
3137
Nemrég a Foldit jelentős tudományos felfedezést tett
03:46
by deciphering the structure of the Mason-Pfizer monkey virus.
77
226883
3160
a Mason-Pfizer majomvírus szerkezetének megfejtésével.
03:50
A protease that had eluded determination for over 10 years
78
230043
3015
Egy proteázt, amit több mint 10 évig nem sikerült meghatározni,
03:53
was solved was by three players in a matter of days,
79
233058
2626
három játékos oldott meg néhány nap alatt.
03:55
perhaps the first major scientific advance
80
235684
2025
Talán ez volt az első tudományos eredmény,
03:57
to come from playing a video game.
81
237709
2323
amely videojátékok játszásából származott.
04:00
Last year, on the site of the Twin Towers,
82
240032
2181
Tavaly megnyílt az ikertornyok helyén
04:02
the 9/11 memorial opened.
83
242213
1473
a szeptember 11-e emlékhely.
04:03
It displays the names of the thousands of victims
84
243686
2721
Az áldozatok ezreinek nevét sorolja fel
04:06
using a beautiful concept called "meaningful adjacency."
85
246407
3063
egy csodálatos „jelentőségteljes közelség” nevű elv alapján.
04:09
It places the names next to each other based on their
86
249470
2166
Az egymáshoz fűződő kapcsolataik alapján
04:11
relationships to one another: friends, families, coworkers.
87
251636
2213
helyezi a neveket: barát, családtag, munkatárs.
04:13
When you put it all together, it's quite a computational
88
253849
3028
Mindent összevéve elég nagy számítási kihívást kapunk:
04:16
challenge: 3,500 victims, 1,800 adjacency requests,
89
256877
4223
3 500 áldozat, 1 800 közelségi kérés,
04:21
the importance of the overall physical specifications
90
261100
3092
az átfogó fizikai specifikációk fontossága
04:24
and the final aesthetics.
91
264192
2137
és a végső esztétika.
04:26
When first reported by the media, full credit for such a feat
92
266329
2615
A média első beszámolói a bravúrt teljes mértékben
04:28
was given to an algorithm from the New York City
93
268944
1892
a New York-i Local Projects dizájncég algoritmusának tulajdonították.
04:30
design firm Local Projects. The truth is a bit more nuanced.
94
270836
4001
Az igazság kissé árnyaltabb.
04:34
While an algorithm was used to develop the underlying framework,
95
274837
2871
Algoritmust használtak az alap keretrendszer kidolgozására,
04:37
humans used that framework to design the final result.
96
277708
3008
de a végső eredményt már ember tervezte.
04:40
So in this case, a computer had evaluated millions
97
280716
2225
Ez esetben tehát gép értékelt
04:42
of possible layouts, managed a complex relational system,
98
282941
3335
több millió lehetséges elrendezést, kezelte a bonyolult relációs rendszert,
04:46
and kept track of a very large set of measurements
99
286276
2414
nyilvántartotta a méretek és változók óriási készletét,
04:48
and variables, allowing the humans to focus
100
288690
2410
lehetővé téve, hogy az ember a dizájnra,
04:51
on design and compositional choices.
101
291100
2802
a kompozíciós lehetőségekre összpontosítson.
04:53
So the more you look around you,
102
293902
1036
Ahogy körülnéznek,
04:54
the more you see Licklider's vision everywhere.
103
294938
1962
egyre többfelé látják Licklider vízióját.
04:56
Whether it's augmented reality in your iPhone or GPS in your car,
104
296900
3304
Akár a kiterjesztett valóság az iPhone-ban vagy GPS az autóban,
az ember–gép szimbiózis új képességekkel ruház fel bennünket.
05:00
human-computer symbiosis is making us more capable.
105
300204
2970
05:03
So if you want to improve human-computer symbiosis,
106
303174
1655
Ha javítani akarják az ember–gép szimbiózist,
05:04
what can you do?
107
304829
1429
mi a teendő?
05:06
You can start by designing the human into the process.
108
306258
2452
Kezdésként beletervezzük az embert a folyamatba.
05:08
Instead of thinking about what a computer will do to solve the problem,
109
308710
2204
Ne arra gondoljunk, mit tehet a gép a problémamegoldásért,
05:10
design the solution around what the human will do as well.
110
310914
3869
tervezzük a megoldást aköré is, hogy mit tesz az ember.
05:14
When you do this, you'll quickly realize that you spent
111
314783
1937
Így hamar rájövünk, hogy minden időnket
05:16
all of your time on the interface between man and machine,
112
316720
2879
az ember és gép közötti interfészre fordítottuk,
05:19
specifically on designing away the friction in the interaction.
113
319599
3099
konkrétan arra, hogy az interakció súrlódásait kiszűrjük.
05:22
In fact, this friction is more important than the power
114
322698
2766
Tulajdonképpen a súrlódás fontosabb,
05:25
of the man or the power of the machine
115
325464
2052
mint az ember ereje vagy a gép ereje
05:27
in determining overall capability.
116
327516
1931
a képességek átfogó megállapításakor.
05:29
That's why two amateurs with a few laptops
117
329447
1977
Ezért van, hogy két amatőr néhány laptoppal
05:31
handily beat a supercomputer and a grandmaster.
118
331424
2456
legyőz egy szuperszámítógépet és egy nagymestert.
05:33
What Kasparov calls process is a byproduct of friction.
119
333880
3005
Amit Kaszparov folyamatnak nevez, az a súrlódás mellékterméke.
05:36
The better the process, the less the friction.
120
336885
2401
Minél jobb a folyamat, annál kisebb a súrlódás.
05:39
And minimizing friction turns out to be the decisive variable.
121
339286
4256
Kiderült, hogy a súrlódás minimalizálása a döntő változónk.
05:43
Or take another example: big data.
122
343542
2243
Tekintsünk egy másik példát: big data.
05:45
Every interaction we have in the world is recorded
123
345785
1906
Minden interakciónkat a világgal rögzíti
05:47
by an ever growing array of sensors: your phone,
124
347691
3059
a szenzorok folyton növekvő tárháza:
telefonunk, hitelkártyánk, számítógépünk.
05:50
your credit card, your computer. The result is big data,
125
350750
2373
Az eredmény a big data, amely lehetőséget ad
05:53
and it actually presents us with an opportunity
126
353123
1742
05:54
to more deeply understand the human condition.
127
354865
2662
az emberi természet alaposabb megértésére.
05:57
The major emphasis of most approaches to big data
128
357527
2305
A big data megközelítései erre összpontosítanak:
05:59
focus on, "How do I store this data? How do I search
129
359832
2215
„Hogyan tároljam az adatokat?
Hogyan keressek? Hogyan dolgozzam fel őket?”
06:02
this data? How do I process this data?"
130
362047
2276
06:04
These are necessary but insufficient questions.
131
364323
2204
Ezek szükséges, de nem elégséges kérdések.
06:06
The imperative is not to figure out how to compute,
132
366527
2471
Nem azt a legfontosabb kitalálni, hogyan számítsuk ki,
06:08
but what to compute. How do you impose human intuition
133
368998
2184
hanem hogy mit számítsunk ki.
Hogy vigyük át az intuíciónkat ennyi adatra?
06:11
on data at this scale?
134
371182
1791
06:12
Again, we start by designing the human into the process.
135
372973
3499
Ismétlem: úgy kezdjük, hogy beletervezzük az embert a folyamatba.
06:16
When PayPal was first starting as a business, their biggest
136
376472
2812
A PayPal indulásakor a legnagyobb kihívás nem az volt:
06:19
challenge was not, "How do I send money back and forth online?"
137
379284
2804
„Hogyan küldjünk pénzt online ide-oda?”
Hanem: „Hogyan tegyem ezt anélkül, hogy a szervezett bűnözés rászedne?”
06:22
It was, "How do I do that without being defrauded by organized crime?"
138
382088
3872
06:25
Why so challenging? Because while computers can learn
139
385960
2088
Miért kihívás ez?
Mert bár a gépek minták alapján megtanulhatják észlelni
06:28
to detect and identify fraud based on patterns,
140
388048
3144
és azonosítani a csalásokat,
06:31
they can't learn to do that based on patterns
141
391192
1479
06:32
they've never seen before, and organized crime
142
392671
2116
sosem látott mintákkal azonban nem tudják ezt megtenni.
06:34
has a lot in common with this audience: brilliant people,
143
394787
2709
A bűnözőknek pedig sok közös vonásuk van e közönséggel:
briliáns elme, hajthatatlan leleményesség, vállalkozó szellem,
06:37
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
144
397496
3640
(Nevetés) de van egy nagy, fontos különbség: a cél.
06:41
and one huge and important difference: purpose.
145
401136
2712
06:43
And so while computers alone can catch all but the cleverest
146
403848
2832
A számítógépek ugyan elkapják a csalókat, kivéve a legokosabbat,
06:46
fraudsters, catching the cleverest is the difference
147
406680
2253
de éppen a legokosabb elkapása
06:48
between success and failure.
148
408933
2545
választja el a kudarcot a sikertől.
06:51
There's a whole class of problems like this, ones with
149
411478
2221
Rengeteg a hasonló ügy, alkalmazkodó ellenfelekkel,
06:53
adaptive adversaries. They rarely if ever present with a
150
413699
2575
akik ritkán vagy sohasem ismétlik a mintákat,
06:56
repeatable pattern that's discernable to computers.
151
416274
2736
amiket számítógépek felismerhetnének.
06:59
Instead, there's some inherent component of innovation or disruption,
152
419010
3993
Ezzel szemben rejlik bennük innovatív vagy romboló összetevő,
és e problémákat egyre inkább maga alá temeti a big data.
07:03
and increasingly these problems are buried in big data.
153
423003
2735
07:05
For example, terrorism. Terrorists are always adapting
154
425738
2500
Tekintsük pl. a terrorizmust.
A terroristák mindig igazodnak úgy-ahogy az új körülményekhez,
07:08
in minor and major ways to new circumstances, and despite
155
428238
2052
07:10
what you might see on TV, these adaptations,
156
430290
3094
és a tévében látottak ellenére ezek az igazodások
07:13
and the detection of them, are fundamentally human.
157
433384
2293
és észlelésük alapvetően emberiek.
07:15
Computers don't detect novel patterns and new behaviors,
158
435677
3117
A számítógépek nem észlelnek újszerű mintákat és viselkedést,
07:18
but humans do. Humans, using technology, testing hypotheses,
159
438794
3235
de az emberek igen: ők a technológiával feltevéseket tesztelnek,
07:22
searching for insight by asking machines to do things for them.
160
442029
4620
és meglátásokat keresnek azáltal, hogy gépekkel csináltatnak dolgokat.
07:26
Osama bin Laden was not caught by artificial intelligence.
161
446649
2320
Bin Ladent nem a gépi intelligencia kapta el.
07:28
He was caught by dedicated, resourceful, brilliant people
162
448969
2553
Elszánt, találékony, briliáns emberek kapták el,
07:31
in partnerships with various technologies.
163
451522
4269
különböző technológiákkal együttműködve.
07:35
As appealing as it might sound, you cannot algorithmically
164
455791
2818
Bármilyen vonzónak hangzik, nem lehet algoritmus-alapon
07:38
data mine your way to the answer.
165
458609
1601
adatbányászni a választ.
07:40
There is no "Find Terrorist" button, and the more data
166
460210
2855
Nincs „Találj terroristát” gomb, s minél több adatot integrálunk
07:43
we integrate from a vast variety of sources
167
463065
2302
nagyon különböző forrásokból
számos különböző adatformátumban,
07:45
across a wide variety of data formats from very
168
465367
2133
igen eltérő rendszerekből, annál kevésbé lesz hatékony az adatbányászat.
07:47
disparate systems, the less effective data mining can be.
169
467500
3309
07:50
Instead, people will have to look at data
170
470809
2024
Ehelyett emberek kell nézzék az adatokat,
07:52
and search for insight, and as Licklider foresaw long ago,
171
472833
3456
felismeréseket keresve, és ahogy Licklider rég megjósolta,
07:56
the key to great results here is the right type of cooperation,
172
476289
2685
az eredmény kulcsa itt a megfelelő típusú együttműködés,
07:58
and as Kasparov realized,
173
478974
1524
és ahogy Kaszparov rájött,
08:00
that means minimizing friction at the interface.
174
480498
3031
minimalizálnunk kell a súrlódást az interfészen.
08:03
Now this approach makes possible things like combing
175
483529
2758
E megközelítés lehetővé teszi
08:06
through all available data from very different sources,
176
486287
3386
pl. az igen különböző forrásokból származó összes adat átfésülését,
08:09
identifying key relationships and putting them in one place,
177
489673
2792
főbb kapcsolatok azonosítását és egybegyűjtését.
08:12
something that's been nearly impossible to do before.
178
492465
2928
Ezt korábban szinte lehetetlen volt megtenni.
08:15
To some, this has terrifying privacy and civil liberties
179
495393
1942
Egyesek szerint ennek ijesztő a kihatása a személyi és polgárjogokra.
08:17
implications. To others it foretells of an era of greater
180
497335
3410
Másoknak a nagyobb titoktartás
08:20
privacy and civil liberties protections,
181
500745
1909
és polgárjogvédelem korszakát jövendöli,
08:22
but privacy and civil liberties are of fundamental importance.
182
502654
2936
de a titoktartás és a polgárjogok alapvető fontosságúak.
08:25
That must be acknowledged, and they can't be swept aside,
183
505590
2193
Ezt tudomásul kell venni,
08:27
even with the best of intents.
184
507783
2530
És félresöpörni a legjobb szándékkal sem lehet.
08:30
So let's explore, through a couple of examples, the impact
185
510313
2518
Nézzük meg néhány példán,
08:32
that technologies built to drive human-computer symbiosis
186
512831
2406
milyen hatása volt az utóbbi időben
az ember–számítógép szimbiózis ösztönzésére kidolgozott technológiáknak.
08:35
have had in recent time.
187
515237
2919
08:38
In October, 2007, U.S. and coalition forces raided
188
518156
3416
2007 októberében az amerikai és szövetséges erők lerohantak
08:41
an al Qaeda safe house in the city of Sinjar
189
521572
2416
egy al-Káida rejtekhelyet Szindzsár városában,
08:43
on the Syrian border of Iraq.
190
523988
1934
Irak szíriai határánál.
08:45
They found a treasure trove of documents:
191
525922
2376
Találtak egy iratokkal teli kincsesládát:
08:48
700 biographical sketches of foreign fighters.
192
528298
2335
700 külföldi harcos életrajz-vázlatát.
08:50
These foreign fighters had left their families in the Gulf,
193
530633
2584
A harcosok elhagyták családjukat az Öböl-térségben,
08:53
the Levant and North Africa to join al Qaeda in Iraq.
194
533217
3146
Levantéban és Észak-Afrikában, és beléptek az al-Káidába Irakban.
08:56
These records were human resource forms.
195
536363
1616
A feljegyzések HR-űrlapok voltak.
08:57
The foreign fighters filled them out as they joined the organization.
196
537979
2855
A harcosok a szervezetbe lépéskor töltötték ki azokat.
09:00
It turns out that al Qaeda, too,
197
540834
1211
Kiderült, hogy az al-Káida
09:02
is not without its bureaucracy. (Laughter)
198
542045
2597
sincs híján a bürokráciának. (Nevetés)
09:04
They answered questions like, "Who recruited you?"
199
544642
2098
Példa a kérdésekre: „Ki szervezte be?”
09:06
"What's your hometown?" "What occupation do you seek?"
200
546740
2854
„Mi a szülővárosa?” „Mivel szeretne foglalkozni?”
09:09
In that last question, a surprising insight was revealed.
201
549594
3169
Az utolsó kérdés meglepő felismeréshez vezetett.
09:12
The vast majority of foreign fighters
202
552763
2400
A külföldi harcosok nagy többsége
09:15
were seeking to become suicide bombers for martyrdom --
203
555163
2400
öngyilkos merénylő, mártír szeretett volna lenni.
09:17
hugely important, since between 2003 and 2007, Iraq
204
557563
4338
Ez rendkívül fontos, mert 2003 és 2007 között Irakban
09:21
had 1,382 suicide bombings, a major source of instability.
205
561901
4244
1 382 öngyilkos robbantás volt, ez volt az instabilitás fő forrása.
09:26
Analyzing this data was hard. The originals were sheets
206
566145
2058
Nehéz volt az adatelemzés.
Az eredeti arab papírokat be kellett szkennelni, le kellett fordítani.
09:28
of paper in Arabic that had to be scanned and translated.
207
568203
2742
09:30
The friction in the process did not allow for meaningful
208
570945
2192
A folyamat súrlódása nem tette lehetővé,
09:33
results in an operational time frame using humans, PDFs
209
573137
3350
hogy értelmes eredményt érjenek el a hadműveleti időben
csupán emberekkel, PDF-ekkel és kitartással.
09:36
and tenacity alone.
210
576487
2218
09:38
The researchers had to lever up their human minds
211
578705
1953
A kutatók feljavították az eszüket
09:40
with technology to dive deeper, to explore non-obvious
212
580658
2345
a technológia segítségével, mélyebbre ástak,
nem szokványos feltevéseket vizsgáltak, és végül voltak meglátásaik.
09:43
hypotheses, and in fact, insights emerged.
213
583003
3218
09:46
Twenty percent of the foreign fighters were from Libya,
214
586221
2644
A külföldi harcosok 20%-a Líbiából érkezett,
09:48
50 percent of those from a single town in Libya,
215
588865
2968
azoknak is az 50%-a egyetlen líbiai városból,
09:51
hugely important since prior statistics put that figure at
216
591833
2450
ez rendkívül fontos, mert a korábbi statisztikákban ez 3% volt.
09:54
three percent. It also helped to hone in on a figure
217
594283
2383
Segített rábukkanni egy alakra,
09:56
of rising importance in al Qaeda, Abu Yahya al-Libi,
218
596666
2977
akinek nőtt a fontossága az al-Káidában: Abu Jahja al-Libi,
09:59
a senior cleric in the Libyan Islamic fighting group.
219
599643
2631
a líbiai iszlám harcosok csoportjának vezető papja.
10:02
In March of 2007, he gave a speech, after which there was
220
602274
2664
2007 márciusában mondott egy beszédet,
10:04
a surge in participation amongst Libyan foreign fighters.
221
604938
3466
ami után megugrott a líbiai harcosok részvétele.
10:08
Perhaps most clever of all, though, and least obvious,
222
608404
3106
De a talán legokosabb és legkevésbé nyilvánvaló dolog az volt,
10:11
by flipping the data on its head, the researchers were
223
611510
2073
hogy fejreállítva az adatokat a kutatók
10:13
able to deeply explore the coordination networks in Syria
224
613583
2900
mélységében tudták elemezni a szíriai összekötő hálózatokat,
10:16
that were ultimately responsible for receiving and
225
616483
2517
amelyek végső soron végezték
a harcosok fogadását és a határra szállítását.
10:19
transporting the foreign fighters to the border.
226
619000
2464
10:21
These were networks of mercenaries, not ideologues,
227
621464
2633
Ez nem ideológusok, hanem zsoldosok hálózata volt,
10:24
who were in the coordination business for profit.
228
624097
2398
akik profitért vettek részt a szervezési üzletben.
10:26
For example, they charged Saudi foreign fighters
229
626495
1904
A szaúdiaktól pl. jóval többet kértek,
10:28
substantially more than Libyans, money that would have
230
628399
2199
mint a líbiaiaktól, máskülönben az a pénz is
10:30
otherwise gone to al Qaeda.
231
630598
2320
az al-Káidához jutott volna.
10:32
Perhaps the adversary would disrupt their own network
232
632918
2045
Lehet, hogy az ellenfél feloszlatta volna a hálózatot,
10:34
if they knew they cheating would-be jihadists.
233
634963
3035
ha tudja, hogy leendő dzsihádistákat csap be.
10:37
In January, 2010, a devastating 7.0 earthquake struck Haiti,
234
637998
3745
2010 januárjában egy pusztító, 7,0 erősségű földrengés volt Haitin,
10:41
third deadliest earthquake of all time, left one million people,
235
641743
2916
minden idők 3. leghalálosabb földrengése:
10:44
10 percent of the population, homeless.
236
644659
2584
egymillió embert, a lakosság 10%-át tette hajléktalanná.
10:47
One seemingly small aspect of the overall relief effort
237
647243
3137
A teljes mentési művelet egy látszólag kis eleme
10:50
became increasingly important as the delivery of food
238
650380
2176
egyre fontosabbá vált,
amikor elkezdődött az étel és a víz kiszállítása.
10:52
and water started rolling.
239
652556
2160
10:54
January and February are the dry months in Haiti,
240
654716
1458
Január és február száraz hónap Haitin,
10:56
yet many of the camps had developed standing water.
241
656174
2942
mégis sok táborban állt a víz.
10:59
The only institution with detailed knowledge of Haiti's
242
659116
2122
Az egyetlen intézményt,
amely részletesen ismerte Haiti ártereit,
11:01
floodplains had been leveled
243
661238
1297
11:02
in the earthquake, leadership inside.
244
662535
3008
a vezetőkkel együtt elpusztította a földrengés.
11:05
So the question is, which camps are at risk,
245
665543
2575
A kérdés: mely táborok vannak veszélyben,
11:08
how many people are in these camps, what's the
246
668118
1921
hány ember van e táborokban,
mi az áradás időzítése, s a korlátozott erőforrásokkal
11:10
timeline for flooding, and given very limited resources
247
670039
2311
11:12
and infrastructure, how do we prioritize the relocation?
248
672350
3384
és infrastruktúrával mi az áttelepítések sorrendje?
11:15
The data was incredibly disparate. The U.S. Army had
249
675734
2344
Az adatok hihetetlenül eltérőek voltak.
Az USA hadserege csak az ország kis részét ismerte behatóan.
11:18
detailed knowledge for only a small section of the country.
250
678078
2929
Voltak adatok egy 2006-os környezetvédelmi ülésről
11:21
There was data online from a 2006 environmental risk
251
681007
2511
11:23
conference, other geospatial data, none of it integrated.
252
683518
2664
és integrálatlan térinformatikai adatok.
11:26
The human goal here was to identify camps for relocation
253
686182
2958
Az emberek tudni akarták, mely táborokba lehet
11:29
based on priority need.
254
689140
2395
áttelepíteni fontossági sorrendben.
11:31
The computer had to integrate a vast amount of geospacial
255
691535
2440
A számítógépnek óriási mennyiségű térinformatikai,
11:33
information, social media data and relief organization
256
693975
2584
közösségi médiaadatot és a segélyszervezetek információit
11:36
information to answer this question.
257
696559
3480
kellett integrálnia a kérdés megválaszolásához.
11:40
By implementing a superior process, what was otherwise
258
700039
2415
Egy fejlett folyamat alkalmazásával az egyébként
11:42
a task for 40 people over three months became
259
702454
2608
40 fő három havi munkáját jelentő feladat
11:45
a simple job for three people in 40 hours,
260
705062
3176
három ember 40 órai munkájává egyszerűsödött.
11:48
all victories for human-computer symbiosis.
261
708238
2628
Mindezek az ember–gép szimbiózis győzelmei.
11:50
We're more than 50 years into Licklider's vision
262
710866
2054
Licklider bő 50 éve dolgozta ki vízióját
11:52
for the future, and the data suggests that we should be
263
712920
2242
a jövőről, és az adatok azt sugallják,
11:55
quite excited about tackling this century's hardest problems,
264
715162
3030
hogy izgalommal tekinthetünk az évszázad problémáinak megoldása,
11:58
man and machine in cooperation together.
265
718192
2947
ember és gép együttműködése elé.
12:01
Thank you. (Applause)
266
721139
2197
Köszönöm.
(Taps)
12:03
(Applause)
267
723336
2505
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