Shyam Sankar: The rise of human-computer cooperation

Translator: Joseph Geni Reviewer: Morton Bast

מתרגם: Zeeva Livshitz מבקר: Ido Dekkers

I'd like to tell you about two games of chess.

אני אספר לכם על שני משחקי שחמט

The first happened in 1997, in which Garry Kasparov,

הראשון התנהל ב-1997 כשגארי קספארוב

a human, lost to Deep Blue, a machine.

בן אדם, הפסיד ל-"דיפ בלו" מכונה.

To many, this was the dawn of a new era,

עבור רבים זה היה השחר של עידן חדש,

one where man would be dominated by machine.

שבו האדם יישלט על ידי המכונה

But here we are, 20 years on, and the greatest change

אבל, הנה כאן אחנו, 20 שנה מאוחר יותר, והשינוי הגדול

in how we relate to computers is the iPad,

כיצד אנו מתייחסים למחשבים הוא ה-אייפד

not HAL.

לא האל

The second game was a freestyle chess tournament

המשחק השני היה במסגרת טורניר שח

in 2005, in which man and machine could enter together

ב-2005, שבו האדם והמכונה יוכלו להיכנס

as partners, rather than adversaries, if they so chose.

כבני זוג, ולא כיריבים, אם הם יבחרו בכך.

At first, the results were predictable.

בתחילה התוצאות היו צפויות.

Even a supercomputer was beaten by a grandmaster

אפילו מחשב העל הובס על ידי הרב-אמן

with a relatively weak laptop.

בעזרת מחשב נייד חלש יחסית

The surprise came at the end. Who won?

ההפתעה הגיעה בסוף. מי זכה?

Not a grandmaster with a supercomputer,

לא רב האמן עם מחשב העל

but actually two American amateurs

אלא דווקא 2 חובבים אמריקאים

using three relatively weak laptops.

שהתמשו בשלושה מחשבים נידים חלשים.

Their ability to coach and manipulate their computers

יכולתם להדריך ולהפעיל מניפולציות על המחשבים שלהם

to deeply explore specific positions

כדי לחקור לעומק מצבים ספציפיים

effectively counteracted the superior chess knowledge

פעלו ביעילות נגד הידע הנעלה בשחמט

of the grandmasters and the superior computational power

של רבי האמן הגדולים וכוחו הנעלה של מחשב העל

of other adversaries.

של היריבים האחרים.

This is an astonishing result: average men,

זוהי תוצאה מדהימה: אדם ממוצע,

average machines beating the best man, the best machine.

מכשירים ממוצעים גוברים על האנשים הטובים ביותר, והמכונה הטובה ביותר.

And anyways, isn't it supposed to be man versus machine?

ובכל אופן, זה לא אמור להיות האדם נגד המכונה?

Instead, it's about cooperation, and the right type of cooperation.

במקום זה, זה עניין של שיתוף-פעולה והסוג הנכון של שיתוף פעולה

We've been paying a lot of attention to Marvin Minsky's

הקדשנו תשומת לב רבה לחזונו של מרווין מינסקי

vision for artificial intelligence over the last 50 years.

אודות אינטליגנציה מלאכותית ב-50 השנים האחרונות

It's a sexy vision, for sure. Many have embraced it.

זה חזון מושך, לבטח, רבים אימצו אותו

It's become the dominant school of thought in computer science.

הוא הפך לאסכולה הדומיננטית במדעי המחשב.

But as we enter the era of big data, of network systems,

אבל כשאנו נכנסים לעידן הגדול של המידע, של מערכות תקשורת

of open platforms, and embedded technology,

של פלטפורמות פתוחות וטכנולוגיה משובצת

I'd like to suggest it's time to reevaluate an alternative vision

הייתי רוצה להציע שהגיע הזמן להעריך מחדש חזון אלטרנטיבי

that was actually developed around the same time.

שהתפתח בערך באותו זמן.

I'm talking about J.C.R. Licklider's human-computer symbiosis,

אני מדבר על הסימביוזה בין אדם למחשב של ג'יי סי אר ליקלידר

perhaps better termed "intelligence augmentation," I.A.

שיותר טוב לכנות אותה "ריבוד אינטיליגנציה".

Licklider was a computer science titan who had a profound

ליקלידר היה ענק מחשבים שהיתה לו השפעה

effect on the development of technology and the Internet.

עמוקה על התפתחות הטכנולוגיה והאינטרנט.

His vision was to enable man and machine to cooperate

החזון שלו היה לאפשר לאדם ולמכונה לשתף פעולה

in making decisions, controlling complex situations

בקבלת החלטות, בפיקוח על מצבים מסובכים

without the inflexible dependence

ללא התלות הנוקשה

on predetermined programs.

בתוכניות קבועות מראש.

Note that word "cooperate."

שימו לב למילה "לשתף פעולה."

Licklider encourages us not to take a toaster

ליקלידר מעודד אותנו לא לקחת מצנם

and make it Data from "Star Trek,"

ולהפכו לדאטה מ"מסע בין כוכבים,"

but to take a human and make her more capable.

אלא לקחת בן-אדם ולעשותו יותר מוכשר.

Humans are so amazing -- how we think,

בני אדם הם כה מדהימים--כיצד אנו חושבים,

our non-linear approaches, our creativity,

הגישות שאינן חד-ממדיות, היצירתיות שלנו,

iterative hypotheses, all very difficult if possible at all

ההיפותיזות הנישנות, כל אלה הם דברים קשים מאד אם בכלל אפשריים

for computers to do.

לביצוע על ידי מחשבים.

Licklider intuitively realized this, contemplating humans

ליקלידר הבין זאת באופן אינטואיטיבי, מתוך התבוננות באנשים

setting the goals, formulating the hypotheses,

לקבוע את המטרות, לנסח את ההיפותיזות,

determining the criteria, and performing the evaluation.

לקבוע את הקריטריונים, ולבצע את ההערכה.

Of course, in other ways, humans are so limited.

כמובן, שבדברים אחרים בני-האדם הם מוגבלים מאד

We're terrible at scale, computation and volume.

אנחנו נוראים בנושאי קנה מידה, חישוב ונפח.

We require high-end talent management

אנחנו דורשים כשרונות ניהול ברמה גבוהה

to keep the rock band together and playing.

כדי לשמור שלהקת רוק תופיע יחד.

Licklider foresaw computers doing all the routinizable work

ליקלידר חזה מחשבים שעושים את כל העבודה השיגרתית

that was required to prepare the way for insights and decision making.

שהיתה נחוצה כדי להכין את הדרך לקבלת תובנות וקבלת החלטות.

Silently, without much fanfare,

בשקט, בלי הרבה מהומה,

this approach has been compiling victories beyond chess.

גישה זו יצרה נצחונות מעבר לשחמט.

Protein folding, a topic that shares the incredible expansiveness of chess —

קיפול חלבונים, נושא שחולק את התרחבות המדהימה של שחמט -

there are more ways of folding a protein than there are atoms in the universe.

קיימות יותר דרכים לקיפול חלבונים מאשר יש אטומים ביקום.

This is a world-changing problem with huge implications

זוהי בעיה של משתנת עולם עם השלכות עצומות

for our ability to understand and treat disease.

עבור היכולת שלנו להבין ולטפל במחלה.

And for this task, supercomputer field brute force simply isn't enough.

ועבור משימה זו, כוח גס של מחשב-על פשוט אינו מספיק.

Foldit, a game created by computer scientists,

פולדיט, משחק שנוצר על-ידי מדעני מחשב,

illustrates the value of the approach.

מדגים את הערך של הגישה.

Non-technical, non-biologist amateurs play a video game

חובבים שאינם אנשים טכניים, ואינם ביולוגים משחקים במשחק וידאו

in which they visually rearrange the structure of the protein,

שבו הם באופן חזותי מסדרים מחדש את המבנה של החלבונים,

allowing the computer to manage the atomic forces

תוך מתן אפשרות למחשב לנהל את הכוחות האטומים

and interactions and identify structural issues.

ואינטראקציות שמזהות בעיות מבניות.

This approach beat supercomputers 50 percent of the time

גישה זו היכתה את מחשבי העל ב-50% מהזמן

and tied 30 percent of the time.

והישוותה 30 אחוז מהזמן.

Foldit recently made a notable and major scientific discovery

לפולדיט היתה לאחרונה תגלית מדעית בולטת וחשובה

by deciphering the structure of the Mason-Pfizer monkey virus.

על-ידי פיענוח המבנה של ווירוס הקוף מייסון-פייזר.

A protease that had eluded determination for over 10 years

פרוטאז שהתחמק מהגדרה מעל 10 שנים

was solved was by three players in a matter of days,

נפתר על ידי שלושה שחקנים בתקופה של ימים,

perhaps the first major scientific advance

אולי ההתקדמות מדעית הגדולה הראשונה

to come from playing a video game.

שהגיעה ממשחק וידאו.

Last year, on the site of the Twin Towers,

בשנה שעברה, באתר של מגדלי התאומים,

the 9/11 memorial opened.

אנדרטת 9/11 נפתחה.

It displays the names of the thousands of victims

היא מציגה את שמות של אלפי הקורבנות

using a beautiful concept called "meaningful adjacency."

כשהם משתמשים באמצעות רעיון יפה בשם "קירבה משמעותית".

It places the names next to each other based on their

היא מציבה את השמות אחד ליד השני בהתבסס על

relationships to one another: friends, families, coworkers.

הקשרים שביניהם: חברים, משפחות, חברים לעבודה.

When you put it all together, it's quite a computational

כאשר אתם שמים את כל זה יחד , זהו ממש אתגר

challenge: 3,500 victims, 1,800 adjacency requests,

חישבו: 3,500 קורבנות, 1,800, בקשות קירבה,

the importance of the overall physical specifications

החשיבות של המפרט הפיזי הכולל

and the final aesthetics.

והאסתטיקה הסופית.

When first reported by the media, full credit for such a feat

כאשר זה דווח לראשונה במדיה, ניתן מלוא הקרדיט עבור מבצע כזה

was given to an algorithm from the New York City

לאלגוריתם מ"לוקאל פרוג'קס" חברת עיצוב פרוייקטים

design firm Local Projects. The truth is a bit more nuanced.

מקומיים מהעיר ניו-יורק. האמת מעט יותר מגוונת.

While an algorithm was used to develop the underlying framework,

בעוד נעשה שימוש באלגוריתם כדי לפתח את המסגרת הבסיסית,

humans used that framework to design the final result.

בני אדם השתמשו במסגרת בסיסית זו כדי לעצב את התוצאה הסופית.

So in this case, a computer had evaluated millions

כך, שבמקרה זה, המחשב העריך מיליוני

of possible layouts, managed a complex relational system,

פריסות אפשריות, ניהל מערכת מורכבת של יחסי קירבה,

and kept track of a very large set of measurements

ועקב אחרי קבוצה גדולה מאוד של מידות

and variables, allowing the humans to focus

ומשתנים, כשהוא מאפשר לבני-האדם להתמקד

on design and compositional choices.

על העיצוב והאפשרויות של הקומפוזיציות.

So the more you look around you,

כך שככל שאתם מסתכלים יותר סביבכם,

the more you see Licklider's vision everywhere.

אתם רואים את חזונו של ליקלידר בכל מקום.

Whether it's augmented reality in your iPhone or GPS in your car,

בין אם זה יש המציאות המרובדת שלכם באייפון או בג'י פי אס שבמכוניתכם,

human-computer symbiosis is making us more capable.

סימביוזה של אדם-מחשב מקנה לנו יותר יכולת.

So if you want to improve human-computer symbiosis,

כך, שאם רוצים לשפר סימביוזת אדם-מחשב,

what can you do?

מה ניתן לעשות?

You can start by designing the human into the process.

אפשר להתחיל מתכנון שישלב את האדם לתוך התהליך.

Instead of thinking about what a computer will do to solve the problem,

במקום לחשוב על מה שהמחשב יעשה כדי לפתור את הבעיה,

design the solution around what the human will do as well.

לתכנן את הפיתרון סביב מה שהאדם יעשה גם כן.

When you do this, you'll quickly realize that you spent

כאשר תעשו זאת, תבינו עד מהרה שביליתם את

all of your time on the interface between man and machine,

כל זמנכם בממשק בין אדם למכונה,

specifically on designing away the friction in the interaction.

באופן ספציפי בתכנון סילוק החיכוך שבאינטראקציה.

In fact, this friction is more important than the power

למעשה, חיכוך זה חשוב יותר מאשר כוחו

of the man or the power of the machine

של האדם, או כוחה של המכונה

in determining overall capability.

בקביעת היכולת הכוללת.

That's why two amateurs with a few laptops

זו הסיבה ששני חובבים עם מספר מחשבים נישאים

handily beat a supercomputer and a grandmaster.

ניצחו בקלות מחשב-על ורב-אמן.

What Kasparov calls process is a byproduct of friction.

מה שקספרוב קורא לו תהליך הוא תוצר-לוואי של חיכוך.

The better the process, the less the friction.

ככל שהתהליך טוב יותר, כך יש פחות החיכוך.

And minimizing friction turns out to be the decisive variable.

וצמצום החיכוך יתברר כמשתנה המכריע.

Or take another example: big data.

או קבלו דוגמה נוספת: מידע רב.

Every interaction we have in the world is recorded

כל אינטראקציה שיש לנו בעולם נרשמת

by an ever growing array of sensors: your phone,

על ידי מערך הולך וגדל של חיישנים: הטלפון שלך,

your credit card, your computer. The result is big data,

כרטיס האשראי שלך, המחשב שלך. התוצאה היא הרבה מידע,

and it actually presents us with an opportunity

וזה למעשה נותן לנו ההזדמנות

to more deeply understand the human condition.

להבין יותר לעומק את המצב האנושי.

The major emphasis of most approaches to big data

הדגש העיקרי של רוב הגישות למידע רב

focus on, "How do I store this data? How do I search

מתמקד על, "כיצד ניתן לאחסן נתונים אלה? כיצד מחפשים

this data? How do I process this data?"

נתונים אלה? כיצד אני מעבד נתונים אלה?"

These are necessary but insufficient questions.

אלו שאלות הכרחיות אך לא מספיקות.

The imperative is not to figure out how to compute,

מה שחיוני הוא לא איך להבין כיצד לחשב,

but what to compute. How do you impose human intuition

אלא מה לחשב כיצד באפשרותך לכפות את האינטואיציה האנושית

on data at this scale?

על מידע בקנה מידה זה?

Again, we start by designing the human into the process.

שוב, אנחנו מתחילים על-ידי תכנון הכנסת האדם לתהליך.

When PayPal was first starting as a business, their biggest

כאשר "פיי-פאל" החלה את דרכה כעסק, האתגר הגדול ביותר

challenge was not, "How do I send money back and forth online?"

שלהם היה לא, "כיצד שולחים כסף הלוך ושוב באינטרנט?"

It was, "How do I do that without being defrauded by organized crime?"

אלא היה, "כיצד עושים זאת מבלי להיות מרומים על-ידי פשע מאורגן?"

Why so challenging? Because while computers can learn

מדוע כל כך מאתגר? כי בעוד שמחשבים יכולים ללמוד

to detect and identify fraud based on patterns,

לאתר ולזהות הונאות שמבוססות על דפוסים,

they can't learn to do that based on patterns

הם לא יכולים ללמוד לעשות זאת בהתבסס על תבניות

they've never seen before, and organized crime

שהם לא ראו לפני כן, ולארגון פשע

has a lot in common with this audience: brilliant people,

יש הרבה מן המשותף עם קהל זה: אנשים מבריקים,

relentlessly resourceful, entrepreneurial spirit — (Laughter) —

עזי-רוח ורבי תושייה, חדורים ברוח יזמות — (צחוק) —

and one huge and important difference: purpose.

והבדל עצום, וחשוב אחד: המטרה.

And so while computers alone can catch all but the cleverest

וכך בעוד שמחשבים לבדם יכולים לתפוס הכל פרט לפיקחות

fraudsters, catching the cleverest is the difference

שבהונאות, לתפוס את הפיקחים ביותר עושה את ההבדל

between success and failure.

בין הצלחה לכישלון.

There's a whole class of problems like this, ones with

יש מחלקה שלמה של בעיות כמו זו, אחדות מהן עם

adaptive adversaries. They rarely if ever present with a

יריבים סתגלתנים. הם לעתים רחוקות, אם בכלל, מציגים

repeatable pattern that's discernable to computers.

תבנית שחוזרת על עצמה שמוכרת למחשבים.

Instead, there's some inherent component of innovation or disruption,

במקום זה, יש כמה רכיבים אינהרנטים של חדשנות או שיבוש,

and increasingly these problems are buried in big data.

ובמידה גוברת והולכת בעיות אלו נקברות בתוך ים של נתונים.

For example, terrorism. Terrorists are always adapting

לדוגמה, טרור. המחבלים תמיד מסגלים עצמם

in minor and major ways to new circumstances, and despite

בדרכים קטנות וגדולות לנסיבות חדשות, ולמרות

what you might see on TV, these adaptations,

מה שאתם רואים בטלוויזיה, התאמות אלו,

and the detection of them, are fundamentally human.

וזיהויין, הן אנושיות מיסודן.

Computers don't detect novel patterns and new behaviors,

המחשבים לא מזהים דפוסים והתנהגויות חדשות,

but humans do. Humans, using technology, testing hypotheses,

אבל בני-האדם כן. בני אדם, באמצעות טכנולוגיה, ניסויים ווהיפותיזות,

searching for insight by asking machines to do things for them.

מחפשים את התובנה על ידי כך שהם מבקשים ממכונות לעשות דברים עבורם.

Osama bin Laden was not caught by artificial intelligence.

אוסמה בין לאדן לא נתפס על ידי בינה מלאכותית.

He was caught by dedicated, resourceful, brilliant people

הוא נתפס על ידי אנשים דבקים במטרה, מבריקים ובעלי תושיה

in partnerships with various technologies.

בשותפות עם טכנולוגיות שונות.

As appealing as it might sound, you cannot algorithmically

ככל שזה נשמע מפתה, אינך יכול באופן אלגוריתמי

data mine your way to the answer.

לכרות מידע בדרך אל התשובה.

There is no "Find Terrorist" button, and the more data

אין לחצן "מצא מחבל" וככל שאנו מצליבים

we integrate from a vast variety of sources

יותר מידע ממגוון רחב של מקורות

across a wide variety of data formats from very

לרוחב מגוון רחב של תבניות מידע

disparate systems, the less effective data mining can be.

במערכות שונות לגמרי, כך כריית הנתונים תהיה פחות יעילה.

Instead, people will have to look at data

במקום זה, אנשים יצטרכו להסתכל על המידע

and search for insight, and as Licklider foresaw long ago,

ולחפש תובנה, וכפי שליקלידר חזה לפני זמן רב,

the key to great results here is the right type of cooperation,

המפתח לתוצאות מצוינות כאן נמצא בסוג הנכון של שיתוף פעולה,

and as Kasparov realized,

וכפי שקספרוב הבין,

that means minimizing friction at the interface.

פירוש הדבר הוא צמצום החיכוך בממשק.

Now this approach makes possible things like combing

כעת גישה זו מאפשרת דברים כמו סריקת

through all available data from very different sources,

כל הנתונים הזמינים ממקורות שונים מאוד,

identifying key relationships and putting them in one place,

זיהוי קשרי גומלין עיקריים ולרכז אותם במקום אחד,

something that's been nearly impossible to do before.

משהו שהיה כמעט בלתי אפשרי לעשות לפני כן.

To some, this has terrifying privacy and civil liberties

בעיני אחדים, יש לכך השלכות מבהילות בנושאים של חרות פרטית ואזרחית

implications. To others it foretells of an era of greater

בעיני אחרים זה מנבא תקופה של יותר

privacy and civil liberties protections,

הגנות על חרויות פרטיות ואזרחיות,

but privacy and civil liberties are of fundamental importance.

אבל חרויות פרטיות ואזרחיות הינן בעלות חשיבות בסיסית.

That must be acknowledged, and they can't be swept aside,

בזה חייבים להודות, ולא ניתן לטאטא אותן הצידה,

even with the best of intents.

אפילו עם הטובות שבכוונות.

So let's explore, through a couple of examples, the impact

אז בואו ונבחן בעזרת כמה דוגמאות. את ההשפעה

that technologies built to drive human-computer symbiosis

שהיתה לטכנולוגיות שנבנו לאחרונה כדי להריץ

have had in recent time.

סימביוזת אדם-מחשב.

In October, 2007, U.S. and coalition forces raided

באוקטובר, 2007, ארצות הברית וכוחות הקואליציה פשטו על

an al Qaeda safe house in the city of Sinjar

בית מוגן של אל קאעידה בעיר סינז'אר

on the Syrian border of Iraq.

על הגבול הסורי של עיראק.

They found a treasure trove of documents:

הם מצאו אוצר של אוסף מסמכים:

700 biographical sketches of foreign fighters.

700 סקיצות ביוגרפיות של לוחמים זרים.

These foreign fighters had left their families in the Gulf,

לוחמים זרים אלה עזבו את משפחותיהם במפרץ,

the Levant and North Africa to join al Qaeda in Iraq.

בלבנט, ובצפון אפריקה כדי להצטרף לאל-קאעידה בעיראק.

These records were human resource forms.

רשומות אלו היו טפסים של משאבי אנוש.

The foreign fighters filled them out as they joined the organization.

הלוחמים הזרים מילאו אותם כשהצטרפו לארגון.

It turns out that al Qaeda, too,

מתברר כי אל קאעידה, גם היא,

is not without its bureaucracy. (Laughter)

אינה נטולת בירוקרטיה. (צחוק)

They answered questions like, "Who recruited you?"

הם ענו על שאלות כמו, "מי גייס אותך?"

"What's your hometown?" "What occupation do you seek?"

"מהי עיר מולדתך?" "איזו תעסוקה אתה מחפש?"

In that last question, a surprising insight was revealed.

בשאלה אחרונה זו, נחשפה תובנה מפתיעה.

The vast majority of foreign fighters

הרוב הגדול של הלוחמים זרים

were seeking to become suicide bombers for martyrdom --

ביקשו להיות מחבלים מתאבדים ולמות מות קדושים-

hugely important, since between 2003 and 2007, Iraq

חשוב ביותר, מאז 2003 ל- 2007 בערך, היו בעיראק

had 1,382 suicide bombings, a major source of instability.

1,382, פיגועי התאבדות, מקור עיקריי לאי יציבות.

Analyzing this data was hard. The originals were sheets

ניתוח נתונים אלה היה קשה. המקור היו גליונות

of paper in Arabic that had to be scanned and translated.

נייר בערבית שהיה צריך לסרוק ולתרגם.

The friction in the process did not allow for meaningful

החיכוך בתהליך לא איפשר לקבל תוצאות

results in an operational time frame using humans, PDFs

משמעותיות במסגרת זמן תפעולי באמצעות בני-האדם, מסמכי Pdf

and tenacity alone.

ונחישות בלבד.

The researchers had to lever up their human minds

החוקרים נאלצו להתאמץ כדי להתעלות במחשבתם האנושית

with technology to dive deeper, to explore non-obvious

עם הטכנולוגיה כדי לצלול עמוק יותר, כדי לחקור השערות

hypotheses, and in fact, insights emerged.

שאינן מובנות מאליהן, ולמעשה, צצו תובנות.

Twenty percent of the foreign fighters were from Libya,

עשרים אחוז של הלוחמים הזרים היו מלוב.

50 percent of those from a single town in Libya,

50 אחוז מאלה היו מעיר אחת בלוב,

hugely important since prior statistics put that figure at

חשוב עד מאוד מפני שבסטטיסטיקה הקודמת המספר היה

three percent. It also helped to hone in on a figure

שלושה אחוזים. זה סייע להתמקד בדמות

of rising importance in al Qaeda, Abu Yahya al-Libi,

שחשיבותה עולה באל קאעידה, אבו יחיא אל-ליבי,

a senior cleric in the Libyan Islamic fighting group.

איש דת בכיר בקבוצת הלחימה האסלאמית הלובית.

In March of 2007, he gave a speech, after which there was

במרץ 2007, הוא נשא נאום, שלאחריו היה

a surge in participation amongst Libyan foreign fighters.

פרץ ההשתתפות בקרב לוחמים זרים לובים.

Perhaps most clever of all, though, and least obvious,

אולי החכם ביותר, אבל, הפחות מובן מאליו,

by flipping the data on its head, the researchers were

על-ידי היפוך הנתונים , החוקרים

able to deeply explore the coordination networks in Syria

יכלו לחקור לעומק רשתות תיאום בסוריה

that were ultimately responsible for receiving and

שהיו אחראיות בסופו של דבר לקבלה,

transporting the foreign fighters to the border.

והובלה של לוחמים זרים אל הגבול.

These were networks of mercenaries, not ideologues,

אלו היו רשתות של שכירי-חרב, לא אידיאולוגים,

who were in the coordination business for profit.

שהיו בעסקי התיאום למטרות רווח.

For example, they charged Saudi foreign fighters

לדוגמה, הם חייבו לוחמים זרים סעודים

substantially more than Libyans, money that would have

באופן משמעותי יותר מאשר את הלובים, בכסף

otherwise gone to al Qaeda.

שאחרת הלך לאל קאעידה.

Perhaps the adversary would disrupt their own network

אולי היריב היה משבש את הרשת שלהם

if they knew they cheating would-be jihadists.

אם הם הו יודעים שהם מרמים אנשי ג'יהאד עתידיים.

In January, 2010, a devastating 7.0 earthquake struck Haiti,

בינואר, 2010, פגעה בהאיטי רעידת אדמה הרסנית של 7.0 ,

third deadliest earthquake of all time, left one million people,

רעידת האדמה הקטלנית השלישית בכל הזמנים, שהותירה מיליון אנשים,

10 percent of the population, homeless.

10 אחוזים מהאוכלוסייה, ללא קורת גג.

One seemingly small aspect of the overall relief effort

היבט אחד, קטן לכאורה, של המאמץ הכולל

became increasingly important as the delivery of food

נעשה בהדרגה חשוב כשמשלוחי מזון

and water started rolling.

ומים, החלו להתגלגל.

January and February are the dry months in Haiti,

ינואר ופברואר הם חודשי יובש בהאיטי,

yet many of the camps had developed standing water.

אולם רבים מהמחנות פיתחו מים עומדים.

The only institution with detailed knowledge of Haiti's

המוסד היחיד עם ידע נרחב בנושא הצפת נהרות

floodplains had been leveled

בהאיטי נהרס כליל

in the earthquake, leadership inside.

ברעידת אדמה, יחד האנשים בתוכו.

So the question is, which camps are at risk,

כך שהשאלה היא, אילו מחנות נמצאים בסיכון,

how many people are in these camps, what's the

כמה אנשים יש במחנות אלה, מהו

timeline for flooding, and given very limited resources

ציר הזמן עבור שטפונות, ובאין די משאבים

and infrastructure, how do we prioritize the relocation?

ותשתיות, כיצד נקבע סדרי עדיפויות למיקום מחדש?

The data was incredibly disparate. The U.S. Army had

הנתונים היה מאוד שונים. לצבא ארצות הברית היה

detailed knowledge for only a small section of the country.

ידע נרחב רק עבור קטע קטן של המדינה.

There was data online from a 2006 environmental risk

היה מידע מקוון מכנס סיכון סביבתי מ- 2006,

conference, other geospatial data, none of it integrated.

ללא שום נתונים גאו-מרחביים אחרים.

The human goal here was to identify camps for relocation

המטרה האנושית כאן היתה לזהות מחנות לשם העברתם למיקום חדש

based on priority need.

שמבוססת על צורכי עדיפות.

The computer had to integrate a vast amount of geospacial

על המחשב היה לשלב כמות אדירה של מידע גיאו-מרחבי,

information, social media data and relief organization

מידע ממדיה חברתית ומידע מארגוני סיוע

information to answer this question.

כדי לענות על שאלה זו.

By implementing a superior process, what was otherwise

על-ידי יישום תהליך-על, שבמקרים אחרים

a task for 40 people over three months became

היה משימה ל-40 אנשים במשך שלושה חודשים של פעילות

a simple job for three people in 40 hours,

הפך למשימה פשוטה עבור שלושה אנשים ב- 40 שעות,

all victories for human-computer symbiosis.

כל אלה ניצחונות לסימביוזת אדם-מחשב.

We're more than 50 years into Licklider's vision

אנחנו רחוקים כעת יותר מ- 50 שנה מחזונו לעתיד של ליקלידר,

for the future, and the data suggests that we should be

והנתונים מציעים שעלינו להיות

quite excited about tackling this century's hardest problems,

די נלהבים בשל העובדה שבהתמודדות עם הבעיות הקשות ביותר של המאה הזו,

man and machine in cooperation together.

אדם ומחשב משתפים פעולה יחד.

Thank you. (Applause)

תודה. (מחיאות כפיים)

(Applause)

(מחיאות כפיים)