How we can find ourselves in data | Giorgia Lupi

112,053 views ・ 2017-05-04

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Ádám Kósa Lektor: Andi Vida
00:12
This is what my last week looked like.
0
12580
2880
Így nézett ki a múlt hetem.
00:16
What I did,
1
16500
1696
Mit csináltam,
00:18
who I was with,
2
18220
1816
kivel voltam,
00:20
the main sensations I had for every waking hour ...
3
20060
3120
az ébren töltött óráim főbb benyomásai...
00:23
If the feeling came as I thought of my dad
4
23900
2496
Ha elérzékenyülve édesapámra gondoltam,
00:26
who recently passed away,
5
26420
1776
aki nemrég távozott el,
00:28
or if I could have just definitely avoided the worries and anxieties.
6
28220
4056
vagy ha épp meg tudtam szüntetni aggodalmaimat és szorongásaimat.
00:32
And if you think I'm a little obsessive,
7
32300
1936
Ha azt hiszik, kissé megszállott vagyok,
00:34
you're probably right.
8
34260
1856
igazuk lehet.
00:36
But clearly, from this visualization,
9
36140
2256
Ebből az ábrából viszont kétségtelenül
00:38
you can learn much more about me than from this other one,
10
38420
3296
többet tudhatnak meg rólam, mint ebből a másikból,
00:41
which are images you're probably more familiar with
11
41740
2976
ezek a képek valószínűleg sokkal ismerősebbek,
00:44
and which you possibly even have on your phone right now.
12
44740
2816
a telefonjaikon épp most is lehetnek ilyenek.
00:47
Bar charts for the steps you walked,
13
47580
2216
Oszlopdiagramok a megtett lépésekre,
00:49
pie charts for the quality of your sleep --
14
49820
2376
tortadiagramok az alvás minőségére –
00:52
the path of your morning runs.
15
52220
1720
a reggeli futások útvonala.
00:55
In my day job, I work with data.
16
55100
2296
Napi munkámban adatokkal foglalkozom.
00:57
I run a data visualization design company,
17
57420
2496
Egy adatvizualizáció-tervező céget működtetek.
00:59
and we design and develop ways to make information accessible
18
59940
3336
Módszereket tervezünk és fejlesztünk, amikkel képi megjelenítés útján
01:03
through visual representations.
19
63300
2096
tesszük elérhetővé az információt.
01:05
What my job has taught me over the years
20
65420
3016
A munkám az évek során megtanított arra,
01:08
is that to really understand data and their true potential,
21
68460
4216
hogy az adatok és a bennük rejlő lehetőségek megértéséhez
01:12
sometimes we actually have to forget about them
22
72700
3096
néha el kell őket felejteni,
01:15
and see through them instead.
23
75820
1760
és inkább át kell látni rajtuk.
01:18
Because data are always just a tool we use to represent reality.
24
78260
3576
Hiszen az adat mindig csak eszköz, amivel a valóságot képezzük le.
01:21
They're always used as a placeholder for something else,
25
81860
2856
Mindig csak reprezentálnak valami mást,
01:24
but they are never the real thing.
26
84740
2176
de ők maguk sohasem valóságos dolgok.
01:26
But let me step back for a moment
27
86940
1936
Hadd menjek vissza arra a pillanatra,
01:28
to when I first understood this personally.
28
88900
2480
amikor ezt először személyesen megtapasztaltam.
01:32
In 1994, I was 13 years old.
29
92100
3336
1994-ben tizenhárom éves
01:35
I was a teenager in Italy.
30
95460
1936
tinilány voltam Olaszországban.
01:37
I was too young to be interested in politics,
31
97420
2616
Túl fiatal voltam, hogy érdekeljen a politika,
01:40
but I knew that a businessman, Silvio Berlusconi,
32
100060
2496
de tudtam, hogy egy üzletember, Silvio Berlusconi
01:42
was running for president for the moderate right.
33
102580
2560
a mérsékelt jobb elnökjelöltje.
01:45
We lived in a very liberal town,
34
105940
2016
Egy nagyon liberális városban éltünk.
01:47
and my father was a politician for the Democratic Party.
35
107980
3296
Apám a Demokratikus Pártban politizált.
01:51
And I remember that no one thought that Berlusconi could get elected --
36
111300
4336
Emlékszem, senki sem gondolta, hogy Berlusconit megválasztják –
01:55
that was totally not an option.
37
115660
1760
ez egyáltalán fel sem merült.
01:58
But it happened.
38
118380
1216
De mégis megtörtént.
01:59
And I remember the feeling very vividly.
39
119620
2536
Az érzésre igen élénken emlékszem.
02:02
It was a complete surprise,
40
122180
1856
Eszméletlen meglepetés volt,
02:04
as my dad promised that in my town he knew nobody who voted for him.
41
124060
5040
mivel apám állította, hogy nem ismert senkit a városban, aki rá szavazott volna.
02:10
This was the first time
42
130540
1496
Ekkor történt először,
02:12
when the data I had gave me a completely distorted image of reality.
43
132060
4560
hogy az adataim teljesen eltorzított képet adtak a valóságról.
02:17
My data sample was actually pretty limited and skewed,
44
137100
3296
A vizsgált minta igen szűk és egyoldalú volt,
02:20
so probably it was because of that, I thought, I lived in a bubble,
45
140420
3736
és valószínűleg emiatt hittem, hogy buborékban élek,
02:24
and I didn't have enough chances to see outside of it.
46
144180
2600
amiből nem igazán volt alkalmam kilépni.
02:27
Now, fast-forward to November 8, 2016
47
147900
3776
Most ugorjunk előre 2016. november 8-ra,
02:31
in the United States.
48
151700
1200
az Egyesült Államokba.
02:33
The internet polls,
49
153780
1296
Az internetes felmérések,
02:35
statistical models,
50
155100
1376
statisztikai modellek,
02:36
all the pundits agreeing on a possible outcome for the presidential election.
51
156500
4816
az összes szakértő egyaránt ugyanazt tartotta esélyesnek az elnökválasztáson.
02:41
It looked like we had enough information this time,
52
161340
2616
Úgy festett akkor, hogy elég információnk van,
02:43
and many more chances to see outside the closed circle we lived in --
53
163980
4096
és sokkal több alkalmunk, hogy kilépjünk a zárt körből, amiben éltünk –
02:48
but we clearly didn't.
54
168100
1320
ám nyilvánvalóan nem.
02:49
The feeling felt very familiar.
55
169860
2096
Az érzés nagyon ismerős volt.
02:51
I had been there before.
56
171980
1480
Már éreztem korábban is.
02:54
I think it's fair to say the data failed us this time --
57
174180
2856
Jogosan állíthatjuk, hogy az adatok akkor becsaptak –
02:57
and pretty spectacularly.
58
177060
1856
igen látványosan.
02:58
We believed in data,
59
178940
1696
Hittünk az adatoknak,
03:00
but what happened,
60
180660
1416
de az történt,
03:02
even with the most respected newspaper,
61
182100
2696
még a legnívósabb újságokkal is,
03:04
is that the obsession to reduce everything to two simple percentage numbers
62
184820
4696
hogy megszállottan igyekeztek mindent két százalékértékre egyszerűsíteni,
03:09
to make a powerful headline
63
189540
1976
hogy hangzatos főcímet írhassanak,
03:11
made us focus on these two digits
64
191540
2056
így mi is erre a két számra koncentráltunk,
03:13
and them alone.
65
193620
1200
semmi másra.
03:15
In an effort to simplify the message
66
195380
2056
Az üzenet egyszerűsítésére törekedve,
03:17
and draw a beautiful, inevitable red and blue map,
67
197460
3416
és egy szép, szükségszerűen kék-piros térkép felrajzolásával
03:20
we lost the point completely.
68
200900
1880
teljesen elvesztettük a lényeget.
03:23
We somehow forgot that there were stories --
69
203260
2136
Valahogy elfelejtettük, hogy történetek,
03:25
stories of human beings behind these numbers.
70
205420
2360
emberi történetek vannak a számok mögött.
03:29
In a different context,
71
209060
1576
Más összefüggésben,
03:30
but to a very similar point,
72
210660
1656
de ehhez kapcsolódóan,
03:32
a peculiar challenge was presented to my team by this woman.
73
212340
3896
egy különös feladatot állított csapatom elé ez a nő.
03:36
She came to us with a lot of data,
74
216260
2376
Rengeteg adattal jött hozzánk,
03:38
but ultimately she wanted to tell one of the most humane stories possible.
75
218660
4416
de végül is a lehető legemberibb történetet akarta elmesélni.
03:43
She's Samantha Cristoforetti.
76
223100
1696
Ez a nő Samantha Cristoforetti.
03:44
She has been the first Italian woman astronaut,
77
224820
2576
Ő az első olasz női űrhajós,
03:47
and she contacted us before being launched
78
227420
2496
felkeresett minket, mielőtt elindult
03:49
on a six-month-long expedition to the International Space Station.
79
229940
3896
egy hat hónapos expedícióra a Nemzetközi Űrállomásra.
03:53
She told us, "I'm going to space,
80
233860
2216
Azt mondta: "A világűrbe megyek,
03:56
and I want to do something meaningful with the data of my mission
81
236100
3096
és a küldetésem adataival valami értelmeset akarok csinálni,
03:59
to reach out to people."
82
239220
1240
amivel segíthetek az embereknek."
04:01
A mission to the International Space Station
83
241420
2536
Egy küldetés a Nemzetközi Űrállomáson
04:03
comes with terabytes of data
84
243980
2096
több terabájtnyi adatot eredményez mindenről,
04:06
about anything you can possibly imagine --
85
246100
2376
amit csak el tudnak képzelni –
04:08
the orbits around Earth,
86
248500
1496
Föld körüli röppályák,
04:10
the speed and position of the ISS
87
250020
2096
az űrállomás sebessége, pozíciója,
04:12
and all of the other thousands of live streams from its sensors.
88
252140
3680
és a különféle érzékelőkből folyamatosan áradó ezernyi egyéb adat.
04:16
We had all of the hard data we could think of --
89
256660
2896
Birtokunkban volt az összes elképzelhető tényadat –
04:19
just like the pundits before the election --
90
259580
2416
mint a választás előtt a szakértőknek –,
04:22
but what is the point of all these numbers?
91
262020
2976
de mire jók ezek a számok?
04:25
People are not interested in data for the sake of it,
92
265020
2736
Az emberek nem magukra az adatokra kíváncsiak,
04:27
because numbers are never the point.
93
267780
1855
mert a számok sohasem lényegesek.
04:29
They're always the means to an end.
94
269659
1961
Azok csak eszközök a cél eléréséhez.
04:32
The story we needed to tell
95
272659
1777
Azt a történetet kellett elmesélnünk,
04:34
is that there is a human being in a teeny box
96
274460
2496
hogy egy emberi lény egy parányi kabinban
04:36
flying in space above your head,
97
276980
2256
lebeg az űrben a fejünk felett,
04:39
and that you can actually see her with your naked eye on a clear night.
98
279260
4096
és akit felhőtlen éjszakán szabad szemmel láthatunk.
04:43
So we decided to use data to create a connection
99
283380
3096
Elhatároztuk, hogy az adatok segítségével kapcsolatot teremtünk
04:46
between Samantha and all of the people looking at her from below.
100
286500
4056
Samantha és az őt idelentről figyelő emberek között.
04:50
We designed and developed what we called "Friends in Space,"
101
290580
3176
Megterveztük és kifejlesztettük a Friends in Space-t [Űrbarátok]
04:53
a web application that simply lets you say "hello" to Samantha
102
293780
4656
egy webes alkalmazást, amivel köszönhetünk Samanthának,
04:58
from where you are,
103
298460
1256
bárhol legyünk,
04:59
and "hello" to all the people who are online at the same time
104
299740
3536
és köszönhetünk az összes, a világ bármely pontján éppen akkor
05:03
from all over the world.
105
303300
1520
neten lévő embernek.
05:05
And all of these "hellos" left visible marks on the map
106
305460
3456
A köszönések látható foltokat hagytak a térképen,
05:08
as Samantha was flying by
107
308940
2016
amint Samantha elrepült felettünk,
05:10
and as she was actually waving back every day at us
108
310980
3376
és Twitteren keresztül naponta vissza is integetett nekünk
05:14
using Twitter from the ISS.
109
314380
1680
az űrállomásról.
05:16
This made people see the mission's data from a very different perspective.
110
316700
4976
Az emberek így nagyon más szemszögből tekinthették meg a küldetés adatait.
05:21
It all suddenly became much more about our human nature and our curiosity,
111
321700
4696
Hirtelen inkább az emberi természetről és a kíváncsiságról kezdett szólni,
05:26
rather than technology.
112
326420
1656
nem a technológiáról.
05:28
So data powered the experience,
113
328100
2336
Az adatok utat nyitottak az élménynek,
05:30
but stories of human beings were the drive.
114
330460
2400
amelyen emberi történetek haladtak végig.
05:34
The very positive response of its thousands of users
115
334660
3336
A több ezer felhasználó nagyon pozitív visszajelzése
05:38
taught me a very important lesson --
116
338020
1936
megtanított egy fontos dologra:
05:39
that working with data means designing ways
117
339980
2856
adatokkal foglalkozni annyit jelent, hogy módszereket tervezünk
05:42
to transform the abstract and the uncountable
118
342860
2736
a megszámlálhatatlannak és elvontnak
05:45
into something that can be seen, felt and directly reconnected
119
345620
4016
az életünkhöz és viselkedésünkhöz közvetlenül kapcsolódó,
05:49
to our lives and to our behaviors,
120
349660
2296
látható és érzékelhető dolgokká alakítására.
05:51
something that is hard to achieve
121
351980
1856
És ezt igencsak nehéz elérni,
05:53
if we let the obsession for the numbers and the technology around them
122
353860
3896
ha hagyjuk, hogy a számok és az őket övező technológia
05:57
lead us in the process.
123
357780
1280
elvakítsanak bennünket.
06:00
But we can do even more to connect data to the stories they represent.
124
360420
4896
De jobban is összeköthetjük az adatokat az általuk képviselt történetekkel.
06:05
We can remove technology completely.
125
365340
2656
A technológiát végképp kihagyhatjuk.
06:08
A few years ago, I met this other woman,
126
368020
2256
Pár éve találkoztam ezzel a másik nővel,
06:10
Stefanie Posavec --
127
370300
1376
Stefanie Posaveccel –
06:11
a London-based designer who shares with me the passion and obsession about data.
128
371700
5816
londoni székhelyű dizájner, aki beavat az adatok iránti mániákus szenvedélyébe.
06:17
We didn't know each other,
129
377540
1336
Nem ismerve egymást elhatároztuk,
06:18
but we decided to run a very radical experiment,
130
378900
3256
hogy elvégzünk egy rendkívüli kísérletet:
06:22
starting a communication using only data,
131
382180
2536
elkezdünk csak adatokkal kommunikálni.
06:24
no other language,
132
384740
1336
Semmi egyéb nyelv.
06:26
and we opted for using no technology whatsoever to share our data.
133
386100
4616
Semmi technológiát nem használtunk adataink megosztására.
06:30
In fact, our only means of communication
134
390740
2896
Egyetlen kommunikációs csatornánk
06:33
would be through the old-fashioned post office.
135
393660
2856
egy régimódi postahivatal volt.
06:36
For "Dear Data," every week for one year,
136
396540
2456
A Dear Data-hoz [Dárag adatok] egy évig minden héten
06:39
we used our personal data to get to know each other --
137
399020
3456
személyes adatainkat használtuk, hogy megismerjük egymást –
06:42
personal data around weekly shared mundane topics,
138
402500
3656
személyes adatok hetente megosztott köznapi témákról,
06:46
from our feelings
139
406180
1216
érzéseinktől kezdve
06:47
to the interactions with our partners,
140
407420
1856
a párunkkal való kapcsolatunkig,
06:49
from the compliments we received to the sounds of our surroundings.
141
409300
3160
a kapott dicséretektől környezetünk zajáig.
06:53
Personal information that we would then manually hand draw
142
413300
3536
A személyes információkat kézzel rajzoltuk
06:56
on a postcard-size sheet of paper
143
416860
2496
egy képeslap méretű papírra,
06:59
that we would every week send from London to New York,
144
419380
2936
amit aztán hetente küldtünk el Londonból New Yorkba,
07:02
where I live,
145
422340
1256
ahol lakom,
07:03
and from New York to London, where she lives.
146
423620
2200
és New Yorkból Londonba, ahol ő lakik.
07:06
The front of the postcard is the data drawing,
147
426300
3696
A képeslap előlapján az adatok láthatók,
07:10
and the back of the card
148
430020
1296
hátlapján pedig
07:11
contains the address of the other person, of course,
149
431340
2429
természetesen a címzés áll,
07:13
and the legend for how to interpret our drawing.
150
433793
2640
és a magyarázat rajzaink értelmezéséhez.
07:17
The very first week into the project,
151
437460
2016
A projekt első heteiben még rideg,
07:19
we actually chose a pretty cold and impersonal topic.
152
439500
3056
személytelen témákat választottunk.
07:22
How many times do we check the time in a week?
153
442580
3200
Hetente hányszor nézünk az órára?
07:26
So here is the front of my card,
154
446540
1936
Itt a képeslapom előlapja.
07:28
and you can see that every little symbol
155
448500
1976
Láthatják, hogy minden kis jel
07:30
represents all of the times that I checked the time,
156
450500
3416
azokat az időpontokat mutatja, amikor megnéztem az időt.
07:33
positioned for days and different hours chronologically --
157
453940
3376
Napok szerint rendezve, és az egyes órák időrendben –
07:37
nothing really complicated here.
158
457340
2040
egyáltalán nem bonyolult.
07:40
But then you see in the legend
159
460020
1576
Majd a magyarázatban láthatják,
07:41
how I added anecdotal details about these moments.
160
461620
3456
hogyan szúrtam személyes megjegyzéseket e pillanatokhoz.
07:45
In fact, the different types of symbols indicate why I was checking the time --
161
465100
4576
Az eltérő jelek azt mutatják, miért néztem meg az időt:
07:49
what was I doing?
162
469700
1216
mit csináltam éppen?
07:50
Was I bored? Was I hungry?
163
470940
1696
Unatkoztam? Éhes voltam?
07:52
Was I late?
164
472660
1216
Késésben voltam?
07:53
Did I check it on purpose or just casually glance at the clock?
165
473900
3216
Volt oka, vagy csak úgy rápillantottam az órára?
07:57
And this is the key part --
166
477140
2256
Ez a kulcsa az egésznek:
07:59
representing the details of my days and my personality
167
479420
3696
napjaim és személyiségem darabjainak bemutatása
08:03
through my data collection.
168
483140
1936
adatgyűjteményemen keresztül.
08:05
Using data as a lens or a filter to discover and reveal, for example,
169
485100
4696
Lencseként vagy szűrőként használni az adatokat, például az elkésés miatti
08:09
my never-ending anxiety for being late,
170
489820
2176
örök szorongásom felismerésére és kimutatására,
08:12
even though I'm absolutely always on time.
171
492020
2200
holott mindig pontos vagyok.
08:16
Stefanie and I spent one year collecting our data manually
172
496020
4096
Stefanie és én egy évig gyűjtöttük adatainkat kézzel,
08:20
to force us to focus on the nuances that computers cannot gather --
173
500140
4496
arra késztetve magunkat, hogy a számítógépek által -
08:24
or at least not yet --
174
504660
1536
legalábbis ma még - nem érzékelhető finom részletekre koncentráljunk,
08:26
using data also to explore our minds and the words we use,
175
506220
3496
és hogy az adatok révén nemcsak cselekedeteinket,
08:29
and not only our activities.
176
509740
1936
hanem elménket és szóhasználatunkat is feltérképezzük.
08:31
Like at week number three,
177
511700
1416
Például a harmadik héten
08:33
where we tracked the "thank yous" we said and were received,
178
513140
3816
nyomon követtük a kimondott és meghallott "köszönöm"-öket,
08:36
and when I realized that I thank mostly people that I don't know.
179
516980
4656
amikor is rájöttem, legtöbbször az ismeretleneknek vagyok hálás.
08:41
Apparently I'm a compulsive thanker to waitresses and waiters,
180
521660
4336
Pincéreknek és pincérnőknek megrögzötten "köszönömözgetek",
08:46
but I definitely don't thank enough the people who are close to me.
181
526020
3160
akik közel állnak hozzám, azoknak viszont alig.
08:50
Over one year,
182
530820
1256
Egy év alatt
08:52
the process of actively noticing and counting these types of actions
183
532100
4496
az ilyen tevékenységek tudatos megfigyelése és számolása
08:56
became a ritual.
184
536620
1296
szertartássá vált.
08:57
It actually changed ourselves.
185
537940
2056
Mindketten megváltoztunk.
09:00
We became much more in tune with ourselves,
186
540020
2696
Sokkal inkább összhangba kerültünk önmagunkkal,
09:02
much more aware of our behaviors and our surroundings.
187
542740
3120
jobban tudatára ébredtünk viselkedésünknek és környezetünknek.
09:06
Over one year, Stefanie and I connected at a very deep level
188
546500
2976
Egy év alatt nagyon elmélyült kapcsolatunk
09:09
through our shared data diary,
189
549500
2016
a megosztott adatnaplóinkon keresztül,
09:11
but we could do this only because we put ourselves in these numbers,
190
551540
4296
de csak azért, mert beleéreztük magunkat e számokba,
09:15
adding the contexts of our very personal stories to them.
191
555860
3976
és legszemélyesebb történeteink környezetébe helyeztük őket.
09:19
It was the only way to make them truly meaningful
192
559860
2456
Egyedül így kaphattak valódi értelmet,
09:22
and representative of ourselves.
193
562340
2200
és testesíthettek meg minket.
09:26
I am not asking you to start drawing your personal data,
194
566300
3096
Nem kérem, hogy kezdjék el összeszedni személyes adataikat,
09:29
or to find a pen pal across the ocean.
195
569420
2856
vagy találjanak egy óceánon túli levelezőpartnert.
09:32
But I'm asking you to consider data --
196
572300
2576
Azt kérem, hogy úgy tekintsenek az adatokra –
09:34
all kind of data --
197
574900
1456
mindenféle adatra –
09:36
as the beginning of the conversation
198
576380
1776
mint a párbeszéd kezdetére,
09:38
and not the end.
199
578180
1200
és ne mint a végére.
09:39
Because data alone will never give us a solution.
200
579900
3176
Hiszen az adatok önmagukban nem vezetnek megoldásra.
09:43
And this is why data failed us so badly --
201
583100
2696
És azért csaptak be minket az adatok annyira cefetül,
09:45
because we failed to include the right amount of context
202
585820
3376
mert nem használtuk a megfelelő kontextust
09:49
to represent reality --
203
589220
1456
az árnyalt, összetett és kusza
09:50
a nuanced, complicated and intricate reality.
204
590700
3200
valóság bemutatásához.
09:54
We kept looking at these two numbers,
205
594780
2456
Nem vettük le szemünket erről a két számról,
09:57
obsessing with them
206
597260
1496
megszállottjaik lettünk,
09:58
and pretending that our world could be reduced
207
598780
2496
úgy tettünk, mintha világunk leegyszerűsíthető lenne
10:01
to a couple digits and a horse race,
208
601300
2336
néhány számjegyre, egy versenyre,
10:03
while the real stories,
209
603660
1256
miközben a valódi történetek,
10:04
the ones that really mattered,
210
604940
1456
melyek valóban számítanak,
10:06
were somewhere else.
211
606420
1416
valahol máshol voltak.
10:07
What we missed looking at these stories only through models and algorithms
212
607860
4416
Az algoritmusokon és modelleken keresztül megfigyelt történetekből kimaradt az,
10:12
is what I call "data humanism."
213
612300
2520
amit úgy hívok, "adathumanizmus".
10:15
In the Renaissance humanism,
214
615380
2016
A reneszánsz humanizmusban
10:17
European intellectuals
215
617420
1616
az európai gondolkodók
10:19
placed the human nature instead of God at the center of their view of the world.
216
619060
4920
Isten helyett az emberi természetet állították világnézetük középpontjába.
10:24
I believe something similar needs to happen
217
624620
2216
Hiszem, hogy valami hasonlónak kell történnie
10:26
with the universe of data.
218
626860
1776
az adatuniverzumban is.
10:28
Now data are apparently treated like a God --
219
628660
2976
Mostanság az adatot Istenként kezelik:
10:31
keeper of infallible truth for our present and our future.
220
631660
3280
jövőnk és jelenünk abszolút igazságának birtokosaként.
10:35
The experiences that I shared with you today
221
635660
2896
A ma elmesélt élményeim megtanították:
10:38
taught me that to make data faithfully representative of our human nature
222
638580
5016
ahhoz, hogy az adatokat az emberi természet hű megtestesítőjévé formáljuk,
10:43
and to make sure they will not mislead us anymore,
223
643620
3416
és hogy többé ne vezethessenek félre bennünket,
10:47
we need to start designing ways to include empathy, imperfection
224
647060
3696
olyan módszereket kell kidolgoznunk, melyekben az empátia, a tökéletlenség
10:50
and human qualities
225
650780
1576
és az emberi tulajdonságok is helyet kapnak
10:52
in how we collect, process, analyze and display them.
226
652380
3720
mind az összegyűjtés, feldolgozás és a megjelenítés során.
10:57
I do see a place where, ultimately,
227
657100
2976
Látom a pontot, ahol végül
11:00
instead of using data only to become more efficient,
228
660100
3336
az adatokat nemcsak a hatékonyság fokozására,
11:03
we will all use data to become more humane.
229
663460
2800
hanem emberi mivoltunk fejlesztésére is használjuk.
11:06
Thank you.
230
666700
1216
Köszönöm.
11:07
(Applause)
231
667940
4441
(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