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

מתרגם: Ido Dekkers מבקר: Tal Dekkers

Technology has brought us so much:

הטכנולוגיה הביאה לנו כל כך הרבה:

the moon landing, the Internet,

הנחיתה על הירח, האינטרנט,

the ability to sequence the human genome.

היכולת למפות את הגנום האנושי.

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

אבל היא גם מנצלת הרבה מהפחדים הגדולים ביותר שלנו,

and about 30 years ago,

ולפני כשלושים שנה,

the culture critic Neil Postman wrote a book

מבקר התרבות ניל פוסטמן כתב ספר

called "Amusing Ourselves to Death,"

שנקרא "לשעשע את עצמנו למוות",

which lays this out really brilliantly.

שמסביר את זה בצורה ממש מבריקה.

And here's what he said,

והנה מה שהוא אמר,

comparing the dystopian visions

באמצעות השוואה החזיונות הדיסטופיים

of George Orwell and Aldous Huxley.

של ג'ורג' אורוול ואלדוס האקסלי,

He said, Orwell feared we would become

הוא אמר, "אורוול חשש שנהפוך

a captive culture.

לתרבות שבויה,

Huxley feared we would become a trivial culture.

האקסלי חשש שנהפוך לתרבות טריוויאלית.

Orwell feared the truth would be

אורוול חשש שהאמת

concealed from us,

תוסתר מאתנו,

and Huxley feared we would be drowned

והאקסלי חשש שנטבע

in a sea of irrelevance.

בים של חוסר רלוונטיות.

In a nutshell, it's a choice between

על קצה המזלג, זוהי הבחירה בין

Big Brother watching you

האח הגדול שצופה בך

and you watching Big Brother.

ואתה צופה ב"אח הגדול".

(Laughter)

(צחוק)

But it doesn't have to be this way.

אבל זה לא חייב להיות כך.

We are not passive consumers of data and technology.

אנחנו איננו צרכניים פאסיביים של מידע וטכנולוגיה

We shape the role it plays in our lives

אנו מעצבים את התפקיד אותו הם תופסים בחיינו

and the way we make meaning from it,

והדרך בה אנו שואבים משמעות מהם,

but to do that,

אבל על מנת לעשות זאת,

we have to pay as much attention to how we think

עלינו לשים לב באותה מידה לאופן החשיבה שלנו

as how we code.

ולצורת הקידוד שלנו.

We have to ask questions, and hard questions,

עלינו לשאול שאלות, ושאלות קשות,

to move past counting things

להתעלות מעל ספירת דברים

to understanding them.

להבנתם.

We're constantly bombarded with stories

אנחנו, באופן מתמיד, מופגזים בסיפורים

about how much data there is in the world,

על כמה מידע קיים בעולם

but when it comes to big data

אבל כאשר מדובר במידע גדול

and the challenges of interpreting it,

והאתגרים הכרוכים בהבנתו,

size isn't everything.

הגודל אינו הכל.

There's also the speed at which it moves,

ישנה גם המהירות בה הוא נע,

and the many varieties of data types,

והמאפיינים הרבים של סוגי המידע הקיים.

and here are just a few examples:

והנה כמה דוגמאות:

images,

תמונות,

text,

טקסט,

video,

וידאו,

audio.

אודיו (שמע).

And what unites this disparate types of data

ומה שמאחד את סוגי המידע השונים האלה

is that they're created by people

הוא שהם נוצרו על ידי אנשים

and they require context.

והם דורשים הקשר.

Now, there's a group of data scientists

עכשיו, ישנה קבוצה של מדעני מידע

out of the University of Illinois-Chicago,

באוניברסיטת שיקגו אילינוי,

and they're called the Health Media Collaboratory,

והם נקראים שיתופיות מדיית הבריאות,

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

והם עבדו עם המרכז למניעת מחלות

to better understand

כדי להבין טוב יותר

how people talk about quitting smoking,

איך אנשים מדברים על להפסיק לעשן,

how they talk about electronic cigarettes,

איך הם מדברים על סיגריות אלקטרוניות,

and what they can do collectively

ומה הם יכולים לעשות יחד

to help them quit.

כדי לעזור להם להפסיק.

The interesting thing is, if you want to understand

הדבר המעניין הוא, אם אתם רוצים להבין

how people talk about smoking,

איך אנשים מדברים על עישון,

first you have to understand

ראשית אתם צריכים להבין

what they mean when they say "smoking."

מה הם מתכונים כשהם אומרים "עישון."

And on Twitter, there are four main categories:

ובטוויטר, יש ארבע קטגוריות עיקריות:

number one, smoking cigarettes;

מספר אחת, עישון סיגריות;

number two, smoking marijuana;

מספר שתיים, עישון מריחואנה;

number three, smoking ribs;

מספר שלוש, עישון צלעות;

and number four, smoking hot women.

ומספר ארבע: נשים חתיכות.

(Laughter)

(צחוק)

So then you have to think about, well,

אז אתם צריכים לחשוב, ובכן,

how do people talk about electronic cigarettes?

איך אנשים מדברים על סיגריות אלקטרוניות?

And there are so many different ways

ויש כל כך הרבה דרכים שונות

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

שאנשים עושים את זה, ואתם יכולים לראות מהשקופית הזו

it's a complex kind of a query.

שזה סוג מורכב של שאילתה.

And what it reminds us is that

ומה שזה מזכיר לנו זה

language is created by people,

ששפה נוצרת על ידי אנשים,

and people are messy and we're complex

ואנשים הם בלגניסטים ואנחנו מורכבים

and we use metaphors and slang and jargon

ואנחנו משתמשים במטאפורות וסלאנג וג'ארגון

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

ואנחנו עושים את זה 24/7 בהרבה, הרבה שפות,

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

ואז מייד כשנבין את זה, נשנה את זה.

So did these ads that the CDC put on,

אז האם הפרסומות האלו זה שהעלו ה CDC,

these television ads that featured a woman

פרסומות הטלויזיה שהראו אישה

with a hole in her throat and that were very graphic

עם חור בגרון ושהיו מאוד גרפיות

and very disturbing,

ומאוד מטרידות,

did they actually have an impact

האם למעשה היתה להן השפעה

on whether people quit?

על האם אנשים הפסיקו?

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

ושותפות מדיית הבריאות כיבדו את גבולות המידע,

but they were able to conclude

אבל הם היו מסוגלים לסכם

that those advertisements — and you may have seen them —

שהפרסומות האלו -- ואולי ראיתם אותן --

that they had the effect of jolting people

שהיה להם את האפקט של זעזוע אנשים

into a thought process

לתוך תהליך חשיבה

that may have an impact on future behavior.

שאולי יהיה לו השפעה על התנהגות עתידית.

And what I admire and appreciate about this project,

ומה שאני מעריצה ומעריכה בנוגע לפרוייקט הזה,

aside from the fact, including the fact

חוץ העובדה, כולל העובדה

that it's based on real human need,

שזה מבוסס על צורך אנושי אמיתי,

is that it's a fantastic example of courage

זה שזו דוגמה נפלאה לאומץ

in the face of a sea of irrelevance.

למול ים של חוסר רלוונטיות.

And so it's not just big data that causes

וכך זה לא רק מידע גדול שגורם

challenges of interpretation, because let's face it,

לאתגרים של פירוש, מפני שבואו נסכים,

we human beings have a very rich history

לנו האנשים יש הסטוריה ארוכה

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

של לקחת כל כמות של מידע, לא משנה כמה קטנה,

and screwing it up.

ולדפוק את זה.

So many years ago, you may remember

אז לפני הרבה שנים, אתם אולי זוכרים

that former President Ronald Reagan

שהנשיא לשעבר רונאלד רייגן

was very criticized for making a statement

היה תחת ביקורת על ההצהרה

that facts are stupid things.

שעובדות הן דבר מטופש.

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

וזאת היתה פליטת פה, בואו נהיה כנים.

He actually meant to quote John Adams' defense

הוא למעשה התכוון לצטט את ההגנה של ג'ון אדמס

of British soldiers in the Boston Massacre trials

על חיילים בריטים במשפטי הטבח בבוסטון

that facts are stubborn things.

שעובדות הן דבר עיקש.

But I actually think there's

אבל אני למעשה חושבת שיש

a bit of accidental wisdom in what he said,

מעט חוכמה מקרית במה שהוא אמר,

because facts are stubborn things,

מפני שעובדות הן דברים עקשניים,

but sometimes they're stupid, too.

אבל לפעמים הן גם טפשיות.

I want to tell you a personal story

אני רוצה לספר לכם סיפור אישי

about why this matters a lot to me.

על למה זה ממש משנה לי.

I need to take a breath.

אני צריכה לקחת נשימה.

My son Isaac, when he was two,

בני אייזק, כשהוא היה בן שנתים,

was diagnosed with autism,

אובחן עם אוטיזם,

and he was this happy, hilarious,

והוא היה בחור קטן ושמח, קורע מצחוק,

loving, affectionate little guy,

אוהב, מלא חיבה,

but the metrics on his developmental evaluations,

אבל המדידות של ההתפתחות שלו,

which looked at things like the number of words —

שבחנו דברים כמו מספר המילים --

at that point, none —

באותה נקודה, אפס --

communicative gestures and minimal eye contact,

מחוות תיקשורתיות וקשר עין מינימלי,

put his developmental level

שמו אותו ברמה התפתחותית

at that of a nine-month-old baby.

של תינוק בן תשעה חודשים.

And the diagnosis was factually correct,

והאבחנה היתה נכונה עובדתית,

but it didn't tell the whole story.

אבל היא לא סיפרה את כל הסיפור.

And about a year and a half later,

ובערך שנה וחצי מאוחר יותר,

when he was almost four,

כשהוא היה כמעט בן ארבע,

I found him in front of the computer one day

מצאתי אותו מול המחשב יום אחד

running a Google image search on women,

מריץ חיפוש תמונות בגוגל על נשים,

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

ומאויית "w-i-m-e-n."

And I did what any obsessed parent would do,

ועשיתי מה שכל הורה אובססיבי היה עושה,

which is immediately started hitting the "back" button

שזה מייד ללחוץ על כפתור אחורה

to see what else he'd been searching for.

כדי לראות מה עוד הוא חיפש.

And they were, in order: men,

וזה היה לפי הסדר: גברים,

school, bus and computer.

בית ספר, אוטובוס ומחשב.

And I was stunned,

והייתי המומה,

because we didn't know that he could spell,

מפני שלא ידענו שהוא יודע לאיית,

much less read, and so I asked him,

שלא לדבר על לקרוא, אז שאלתי אותו,

"Isaac, how did you do this?"

"אייזק, איך עשית את זה?"

And he looked at me very seriously and said,

והוא הסתכל עלי מאוד ברצינות ואמר,

"Typed in the box."

"הקלדתי בתיבה."

He was teaching himself to communicate,

הוא לימד את עצמו לתקשר,

but we were looking in the wrong place,

אבל חיפשנו במקום הלא נכון,

and this is what happens when assessments

וזה מה שקורה כשהערכות

and analytics overvalue one metric —

ואנליזה נותנות ערך גבוה מדי למידה אחת --

in this case, verbal communication —

במקרה הזה, תקשורת מילולית --

and undervalue others, such as creative problem-solving.

וערך חסר לאחרות, כמו פתרון בעיות יצירתי.

Communication was hard for Isaac,

תקשורת היתה קשה לאייזק,

and so he found a workaround

אז הוא מצא דרך עוקפת

to find out what he needed to know.

כדי למצוא מה שהוא היה צריך לדעת.

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

וכשאני חושבת על זה, זה מאוד הגיוני,

because forming a question

מפני שליצור שאלה

is a really complex process,

זה תהליך ממש מורכב,

but he could get himself a lot of the way there

אבל הוא היה יכול להביא את עצמו את רוב הדרך לשם

by putting a word in a search box.

על ידי הקלדת מילים לתיבת חיפוש.

And so this little moment

אז לרגע הקטן הזה

had a really profound impact on me

היתה השפעה משמעותית עלי

and our family

והמשפחה שלנו

because it helped us change our frame of reference

מפני שזה עזר לנו לשנות את מסגרת ההתיחסות שלנו

for what was going on with him,

למה שקורה איתו,

and worry a little bit less and appreciate

ולדאוג מעט פחות ולהעריך

his resourcefulness more.

את התושיה שלו יותר.

Facts are stupid things.

עובדות הן דבר מטופש.

And they're vulnerable to misuse,

והן פגיעות לשימוש לא נכון,

willful or otherwise.

זדוני או לא.

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

יש לי חברה, אמילי ווילינגהאם, שהיא מדענית,

and she wrote a piece for Forbes not long ago

והיא כתבה מאמר לפורבס לא מזמן

entitled "The 10 Weirdest Things

שנקרא "10 הדברים המוזרים

Ever Linked to Autism."

שקושרו אי פעם לאוטיזם."

It's quite a list.

זו חתיכת רשימה.

The Internet, blamed for everything, right?

האינטרנט, מואשם בהכל, נכון?

And of course mothers, because.

וכמובן אמהות, מפני ש.

And actually, wait, there's more,

ולמעשה, חכו, יש עוד,

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

יש קבוצה שלמה בקטגוריה של "אמא" פה.

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

ואתם יכולים לראות שזו רשימה ממש עשירה ומעניינת.

I'm a big fan of

אני אוהדת גדולה של

being pregnant near freeways, personally.

להיות בהריון ליד כבישים מהירים , אישית.

The final one is interesting,

האחרון הוא מעניין,

because the term "refrigerator mother"

מפני שהמונח "אמא מקרר"

was actually the original hypothesis

היה למעשה ההיפותזה המקורית

for the cause of autism,

לסיבה לאוטיזם,

and that meant somebody who was cold and unloving.

והכוונה למישהי שהיא קרה ולא אוהבת.

And at this point, you might be thinking,

ובנקודה הזו, אתם אולי חושבים,

"Okay, Susan, we get it,

"אוקיי, סוזן, אנחנו מבינים,

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

אפשר לקחת מידע, אפשר לתת לו משמעות אחרת לגמרי."

And this is true, it's absolutely true,

וזה נכון, זה לגמרי נכון,

but the challenge is that

אבל האתגר הוא

we have this opportunity

שיש לנו הזדמנות

to try to make meaning out of it ourselves,

לנסות לתת משמעות מתוכנו,

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

מפני שלמען האמת, מידע לא יוצר משמעות, אנחנו יוצרים אותה.

So as businesspeople, as consumers,

אז כאנשי עסקים, כצרכנים,

as patients, as citizens,

כפציינטים, כאזרחים,

we have a responsibility, I think,

יש לנו את האחריות, אני חושבת,

to spend more time

לבלות יותר זמן

focusing on our critical thinking skills.

בלהתמקד בכישורי החשיבה הביקורתית שלנו,

Why?

למה?

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

מפני שבנקודה הזו בהסטוריה שלנו, כמו ששמענו

many times over,

הרבה פעמים בעבר,

we can process exabytes of data

אנחנו יכולים לעבד אקסבייטים של מידע

at lightning speed,

במהירות האור,

and we have the potential to make bad decisions

ויש לנו את הפוטנציאל לעשות החלטות גרועות

far more quickly, efficiently,

הרבה יותר במהירות, ביעילות,

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

ועם הרבה יותר השפעה משהיה לנו בעבר.

Great, right?

נפלא, נכון?

And so what we need to do instead

וכך מה שאנחנו צריכים לעשות במקום

is spend a little bit more time

זה לבלות מעט יותר זמן

on things like the humanities

על דברים כמו הומניות

and sociology, and the social sciences,

וסוציולוגיה, ומדעי החברה,

rhetoric, philosophy, ethics,

רטוריקה, פילוסופיה, אתיקה,

because they give us context that is so important

מפני שהם נותנים לנו הקשר שהוא כל כך חשוב

for big data, and because

למידע גדול, ובגלל

they help us become better critical thinkers.

שהם עוזרים לנו להפוך להוגים ביקורתיים טובים יותר.

Because after all, if I can spot

מפני שאחרי הכל, אם אנחנו יכולים לזהות

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

בעיה בטיעון, זה לא משנה ממש

whether it's expressed in words or in numbers.

אם זה מתבטא במילים או מספרים.

And this means

וזה אומר

teaching ourselves to find those confirmation biases

ללמד את עצמנו למצוא את הטיות האישור

and false correlations

וקישורים שגויים

and being able to spot a naked emotional appeal

ולהיות מסוגלים לזהות משיכה רגשית ערומה

from 30 yards,

ממרחק 30 מטר,

because something that happens after something

מפני שמשהו שקורה אחרי משהו

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

לא אומר שזה קרה בגללו, בהכרח,

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

ואם אתם תתנו לי להיות גיקית לגמרי לשניה,

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

הרומאים קראו לזה "פוסט הוק ארגו פרופטר הוק,"

after which therefore because of which.

אחרי כן לכן בגלל ש.

And it means questioning disciplines like demographics.

וזה אומר פקפוק בתורות כמו דמוגרפיה.

Why? Because they're based on assumptions

למה? מפני שהן מבוססות על הנחות

about who we all are based on our gender

על מי אנחנו שמבוססות על מגדר

and our age and where we live

והגיל שלנו ואיפה אנחנו חיים

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

בניגוד למידע על מה אנחנו באמת חושבים או עושים.

And since we have this data,

ומאחר ויש לנו את המידע הזה,

we need to treat it with appropriate privacy controls

אנחנו צריכים להתייחס אליו עם שליטות מתאימות על הפרטיות

and consumer opt-in,

וצרכנים שמצטרפים,

and beyond that, we need to be clear

ומעבר לזה, אנחנו צריכים להיות ברורים

about our hypotheses,

בנוגע להיפותזות,

the methodologies that we use,

המתודולוגיות בהן אנחנו משתמשים,

and our confidence in the result.

והביטחון שלנו בתוצאות.

As my high school algebra teacher used to say,

כמו שהמורה שלי לאלגברה בתיכון נהגה להגיד,

show your math,

תראו את המתמטיקה שלכם,

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

מפני שאם אתם לא יודעים איזה צעדים לקחתם,

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

אני לא יודעת איזה צעדים לא לקחתם,

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

ואם אני לא יודעת איזה שאלות שאלתם,

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

אני לא יודעת איזה שאלות לא שאלתם.

And it means asking ourselves, really,

וזה אומר לשאול את עצמנו, באמת,

the hardest question of all:

את השאלה הקשה מכל:

Did the data really show us this,

האם המידע באמת הראה לנו את זה,

or does the result make us feel

או שהתוצאה גורמת לנו להרגיש

more successful and more comfortable?

יותר מצליחים ויותר בנוח?

So the Health Media Collaboratory,

אז שותפות מדיית הבריאות,

at the end of their project, they were able

בסופו של הפרוייקט, הם היו מסוגלים

to find that 87 percent of tweets

למצוא ש 87 אחוז של הציוצים

about those very graphic and disturbing

בנוגע לפרסומות המאוד גרפיות

anti-smoking ads expressed fear,

ומטרידות נגד עישון הביעו פחד,

but did they conclude

אבל האם הם הסיקו

that they actually made people stop smoking?

שהן למעשה גרמו לאנשים להפסיק לעשן?

No. It's science, not magic.

לא. זה מדע, לא קסם.

So if we are to unlock

אז אם אנחנו רוצים לשחרר

the power of data,

את הכוח של המידע,

we don't have to go blindly into

אנחנו לא צריכים ללכת עיוורים

Orwell's vision of a totalitarian future,

לתוך החזון הטוטליטרי של העתיד של אורוול,

or Huxley's vision of a trivial one,

או העתיד הטריוויאלי של האקסלי,

or some horrible cocktail of both.

או קוקטייל נוראי של שניהם.

What we have to do

מה שאנחנו צריכים לעשות

is treat critical thinking with respect

זה להתייחס לחשיבה ביקורתית בכבוד

and be inspired by examples

ולקבל השראה מדוגמאות

like the Health Media Collaboratory,

כמו שותפות מדיית הבריאות,

and as they say in the superhero movies,

וכמו שהם אומרים בסרטים של גיבורי על,

let's use our powers for good.

בואו נשתמש בכוח שלנו לטובה.

Thank you.

תודה לכם.

(Applause)

(מחאות כפיים)