Kenneth Cukier: Big data is better data

Vertaald door: Dick Stada Nagekeken door: Els De Keyser

America's favorite pie is?

Wat is de lievelingstaart van Amerika?

Audience: Apple. Kenneth Cukier: Apple. Of course it is.

Publiek: Appel. Kenneth Cukier: Appel, natuurlijk.

How do we know it?

Hoe weten we dat?

Because of data.

Door gegevens.

You look at supermarket sales.

Je kijkt naar de supermarktverkoop.

You look at supermarket sales of 30-centimeter pies

Je kijkt naar omzetcijfers

van diepvriestaart van 30 centimeter

that are frozen, and apple wins, no contest.

en appel wint zeker.

The majority of the sales are apple.

Appel is het meest verkocht.

But then supermarkets started selling

Toen gingen supermarkten ook kleinere taarten verkopen

smaller, 11-centimeter pies,

van 11 centimeter.

and suddenly, apple fell to fourth or fifth place.

Dan komt appel op de vierde of vijfde plaats.

Why? What happened?

Hoezo? Hoe komt dat nou?

Okay, think about it.

Denk eens goed na.

When you buy a 30-centimeter pie,

Als je een taart van 30 centimeter koopt,

the whole family has to agree,

moet het hele gezin het eens zijn.

and apple is everyone's second favorite.

Appel staat bij iedereen op de tweede plaats.

(Laughter)

(Gelach)

But when you buy an individual 11-centimeter pie,

Maar als je een eenpersoonstaart van 11 centimeter koopt,

you can buy the one that you want.

kan je kopen wat je zelf wilt.

You can get your first choice.

Je kan je eerste keus nemen.

You have more data.

Je hebt meer gegevens.

You can see something

Je ziet iets dat je eerst niet zag

that you couldn't see

when you only had smaller amounts of it.

toen er nog niet zoveel gegevens waren.

Now, the point here is that more data

Het gaat erom dat je met meer gegevens

doesn't just let us see more,

niet alleen meer ziet, meer van hetzelfde.

more of the same thing we were looking at.

More data allows us to see new.

Met meer gegevens zien we nieuwe dingen.

It allows us to see better.

Je krijgt er een betere kijk op.

It allows us to see different.

Je gaat er anders tegenaan kijken.

In this case, it allows us to see

In dit geval onthult het

what America's favorite pie is:

wat de lievelingstaart van Amerika is:

not apple.

geen appel.

Now, you probably all have heard the term big data.

Je hebt vast wel gehoord van de kreet 'big data'.

In fact, you're probably sick of hearing the term

Je wordt vast doodziek

big data.

van de kreet 'big data'.

It is true that there is a lot of hype around the term,

Het is inderdaad een hype

and that is very unfortunate,

en dat is erg jammer,

because big data is an extremely important tool

omdat big data een enorm belangrijk middel is

by which society is going to advance.

waarmee de maatschappij opgestuwd wordt.

In the past, we used to look at small data

In het verleden keken we naar 'small data' en dachten we daarover na.

and think about what it would mean

to try to understand the world,

Zo poogden we de wereld te snappen.

and now we have a lot more of it,

Nu hebben we veel meer gegevens.

more than we ever could before.

Meer dan we ooit hebben gehad.

What we find is that when we have

We ontdekken dat we

a large body of data, we can fundamentally do things

met een grote hoeveelheid gegevens dingen kunnen doen

that we couldn't do when we only had smaller amounts.

die we niet konden doen met kleinere hoeveelheden.

Big data is important, and big data is new,

Big data is belangrijk en nieuw.

and when you think about it,

Ga maar na:

the only way this planet is going to deal

de enige manier waarmee deze aarde om kan gaan

with its global challenges —

met wereldwijde uitdagingen --

to feed people, supply them with medical care,

de wereld voeden, medische verzorging geven,

supply them with energy, electricity,

van energie voorzien, van elektriciteit,

and to make sure they're not burnt to a crisp

en zorgen dat we niet verbranden door opwarming van de aarde --

because of global warming —

is because of the effective use of data.

is door effectief gebruik van gegevens.

So what is new about big data? What is the big deal?

Wat is nieuw aan big data? Wat is het bijzondere?

Well, to answer that question, let's think about

Om daar antwoord op te geven, moet je eens bedenken

what information looked like,

hoe informatie eruitzag.

physically looked like in the past.

Hoe het er ooit fysiek uitzag.

In 1908, on the island of Crete,

In 1908, op het eiland Kreta,

archaeologists discovered a clay disc.

ontdekten archeologen een schijf van klei.

They dated it from 2000 B.C., so it's 4,000 years old.

Ze dateerden die op 2.000 voor Christus, dus 4.000 jaar oud.

Now, there's inscriptions on this disc,

Er staan inscripties op die schijf, maar die kunnen we niet lezen.

but we actually don't know what it means.

It's a complete mystery, but the point is that

Het is een raadsel, maar het gaat erom

this is what information used to look like

dat informatie er 4.000 jaar geleden zo uitzag.

4,000 years ago.

This is how society stored

Zo bewaarde en communiceerde de maatschappij informatie.

and transmitted information.

Now, society hasn't advanced all that much.

De maatschappij is niet zoveel veranderd.

We still store information on discs,

We bewaren informatie nog steeds op schijven,

but now we can store a lot more information,

maar nu kunnen we veel meer informatie bewaren.

more than ever before.

Meer dan ooit.

Searching it is easier. Copying it easier.

Zoeken is makkelijker. Kopiëren is makkelijker.

Sharing it is easier. Processing it is easier.

Delen en verwerken zijn makkelijker.

And what we can do is we can reuse this information

We kunnen deze informatie hergebruiken

for uses that we never even imagined

voor dingen waar we nooit aan dachten

when we first collected the data.

toen we die informatie verzamelden.

In this respect, the data has gone

In dit verband zijn de gegevens gegaan

from a stock to a flow,

van een stapel naar een stroom.

from something that is stationary and static

Van iets bewegingsloos en statisch

to something that is fluid and dynamic.

naar iets dat vloeiend en dynamisch is.

There is, if you will, a liquidity to information.

Je kan stellen dat informatie vloeibaar is.

The disc that was discovered off of Crete

De schijf die 4.000 jaar geleden op Kreta werd ontdekt, is zwaar.

that's 4,000 years old, is heavy,

it doesn't store a lot of information,

Er staat weinig informatie op,

and that information is unchangeable.

en die informatie is niet te wijzigen.

By contrast, all of the files

Aan de andere kant pasten alle bestanden

that Edward Snowden took

die Edward Snowden pikte

from the National Security Agency in the United States

van de NSA in de VS

fits on a memory stick

op een geheugenstick

the size of a fingernail,

met de grootte van een vingernagel.

and it can be shared at the speed of light.

De informatie kan worden gedeeld met lichtsnelheid.

More data. More.

Meer data. Meer.

Now, one reason why we have so much data in the world today

We hebben nu veel meer data,

is we are collecting things

omdat we dingen verzamelen waarover we van oudsher informatie verzamelen.

that we've always collected information on,

but another reason why is we're taking things

Maar ook omdat we dingen verzamelen

that have always been informational

die altijd al informatie boden,

but have never been rendered into a data format

maar die nooit in dataformaat werden opgeslagen.

and we are putting it into data.

We maken er nu gegevens van.

Think, for example, the question of location.

Denk eens aan de locatie.

Take, for example, Martin Luther.

Neem bijvoorbeeld Martin Luther.

If we wanted to know in the 1500s

Als we in de 16e eeuw wilden weten

where Martin Luther was,

waar Martin Luther zich bevond,

we would have to follow him at all times,

zouden we hem steeds moeten volgen,

maybe with a feathery quill and an inkwell,

misschien met inkt en een veer,

and record it,

en we zouden dat vastleggen.

but now think about what it looks like today.

Maar bedenk eens hoe dat er nu uitziet.

You know that somewhere,

Je weet dat er ergens,

probably in a telecommunications carrier's database,

in een database van een telefoonbedrijf

there is a spreadsheet or at least a database entry

een bestand is, of iets in dat bestand, dat informatie over jou bevat.

that records your information

of where you've been at all times.

Over waar je ooit hebt uitgehangen.

If you have a cell phone,

Als je een mobieltje hebt met gps,

and that cell phone has GPS, but even if it doesn't have GPS,

maar zelfs zonder,

it can record your information.

dan bewaart het die informatie.

In this respect, location has been datafied.

Hierbij wordt locatie in gegevens omgezet.

Now think, for example, of the issue of posture,

Denk bijvoorbeeld eens aan je houding.

the way that you are all sitting right now,

Hoe je op dit moment zit.

the way that you sit,

Hoe jij zit,

the way that you sit, the way that you sit.

hoe jij zit, hoe jij zit.

It's all different, and it's a function of your leg length

Dat is verschillend

en hangt af van je beenlengte

and your back and the contours of your back,

en je rug en de kromming ervan.

and if I were to put sensors, maybe 100 sensors

Als ik 100 sensoren zou plaatsen

into all of your chairs right now,

in jullie stoelen,

I could create an index that's fairly unique to you,

zou ik een serie getallen krijgen die uniek voor jou is.

sort of like a fingerprint, but it's not your finger.

Een soort vingerafdruk maar niet van je vinger.

So what could we do with this?

Wat zouden we er dan mee kunnen doen?

Researchers in Tokyo are using it

Onderzoekers in Tokyo gebruiken dit

as a potential anti-theft device in cars.

als mogelijk anti-autodiefstal-apparaat.

The idea is that the carjacker sits behind the wheel,

Het idee is dat de autodief achter het stuur zit

tries to stream off, but the car recognizes

en ervandoor gaat, maar de auto ontdekt

that a non-approved driver is behind the wheel,

dat iemand stuurt die daar niet hoort.

and maybe the engine just stops, unless you

De motor stopt dan,

tenzij je een wachtwoord intypt op het dashboard

type in a password into the dashboard

to say, "Hey, I have authorization to drive." Great.

waarmee je zegt: "Ik heb toestemming."

Geweldig.

What if every single car in Europe

Als alle auto's in Europa

had this technology in it?

deze technologie nou eens hadden?

What could we do then?

Wat zouden we nog meer kunnen doen?

Maybe, if we aggregated the data,

Als we deze informatie zouden verzamelen

maybe we could identify telltale signs

konden we aanwijzingen signaleren

that best predict that a car accident

die voorspellen dat over 5 seconden een auto-ongeluk gaat gebeuren.

is going to take place in the next five seconds.

And then what we will have datafied

Wat we daarvoor zullen gaan vastleggen,

is driver fatigue,

is vermoeidheid tijdens het rijden.

and the service would be when the car senses

De applicatie in de auto merkt het

that the person slumps into that position,

als de persoon wegzakt

automatically knows, hey, set an internal alarm

en weet dan automatisch dat er een wekker moet afgaan

that would vibrate the steering wheel, honk inside

die het stuurwiel laat trillen, toetert,

to say, "Hey, wake up,

en zegt: "Wakker worden,

pay more attention to the road."

beter opletten op de weg."

These are the sorts of things we can do

Dit soort dingen kunnen we doen

when we datafy more aspects of our lives.

als we nog meer van ons leven vastleggen in gegevens.

So what is the value of big data?

Wat is de waarde van big data?

Well, think about it.

Denk eens na.

You have more information.

Je hebt meer informatie.

You can do things that you couldn't do before.

Je kan dingen doen die je eerst niet kon doen.

One of the most impressive areas

Een van de indrukwekkendste plekken

where this concept is taking place

waar dit idee wordt uitgevoerd

is in the area of machine learning.

is die van machine-leren.

Machine learning is a branch of artificial intelligence,

Machine-leren is een tak van kunstmatige intelligentie

which itself is a branch of computer science.

die zelf weer onderdeel is van computerwetenschap.

The general idea is that instead of

Het idee is dat we de computer niet vertellen wat hij moet doen

instructing a computer what do do,

we are going to simply throw data at the problem

maar dat we er gewoon gegevens in gooien

and tell the computer to figure it out for itself.

en de computer opdragen het probleem zelf op te lossen.

And it will help you understand it

Je begrijpt het beter als je ziet waar het vandaan komt.

by seeing its origins.

In the 1950s, a computer scientist

In de vijftiger jaren

vond computerwetenschapper Arthur Samuel van IBM, het leuk om te dammen.

at IBM named Arthur Samuel liked to play checkers,

so he wrote a computer program

Hij schreef een programma

so he could play against the computer.

zodat hij tegen de computer kon spelen.

He played. He won.

Hij speelde en won.

He played. He won.

Hij speelde en won.

He played. He won,

Hij speelde en won,

because the computer only knew

omdat de computer alleen wist

what a legal move was.

wat een geldige zet was.

Arthur Samuel knew something else.

Arthur Samuel wist nog meer.

Arthur Samuel knew strategy.

Arthur Samuel kende strategie.

So he wrote a small sub-program alongside it

Hij schreef er een programmaatje bij

operating in the background, and all it did

dat op de achtergrond werkte

was score the probability

en bijhield hoe groot de kans was

that a given board configuration would likely lead

dat een bepaalde spelsituatie leidde

to a winning board versus a losing board

naar winst of verlies

after every move.

na elke zet.

He plays the computer. He wins.

Hij speelt tegen de computer. Hij wint.

He plays the computer. He wins.

Hij speelt tegen de computer. Hij wint.

He plays the computer. He wins.

Hij speelt tegen de computer. Hij wint.

And then Arthur Samuel leaves the computer

En dan laat hij het de computer tegen zichzelf spelen.

to play itself.

It plays itself. It collects more data.

Hij speelt tegen zichzelf en verzamelt meer gegevens.

It collects more data. It increases the accuracy of its prediction.

Hij verzamelt meer gegevens en wordt preciezer in zijn voorspelling.

And then Arthur Samuel goes back to the computer

Dan gaat Samuel terug naar de computer,

and he plays it, and he loses,

speelt tegen hem en verliest.

and he plays it, and he loses,

En speelt nogmaals en verliest.

and he plays it, and he loses,

En speelt weer en verliest.

and Arthur Samuel has created a machine

Arthur Samuel heeft een machine gemaakt

that surpasses his ability in a task that he taught it.

die beter is dan Arthur, in een taak die Arthur hem aangeleerd heeft.

And this idea of machine learning

Dit idee van machine-leren

is going everywhere.

heeft allerlei gevolgen.

How do you think we have self-driving cars?

Hoe denk je dat we zelfrijdende auto's krijgen?

Are we any better off as a society

Zijn we beter af als maatschappij

enshrining all the rules of the road into software?

door alle regels van de weg in software te stoppen?

No. Memory is cheaper. No.

Nee. Geheugen is goedkoper. Nee.

Algorithms are faster. No. Processors are better. No.

Algoritmes zijn sneller. Nee. Processors zijn beter. Nee.

All of those things matter, but that's not why.

Die dingen doen ertoe, maar dat is niet de reden.

It's because we changed the nature of the problem.

Het komt omdat we de aard van het probleem veranderd hebben.

We changed the nature of the problem from one

Vroeger probeerden we

in which we tried to overtly and explicitly

aan de computer uit te leggen

explain to the computer how to drive

hoe hij moet rijden.

to one in which we say,

Nu zeggen we:

"Here's a lot of data around the vehicle.

"Hier zijn veel gegevens over dit voertuig. Zoek het maar uit.

You figure it out.

You figure it out that that is a traffic light,

Vind maar uit dat het een verkeerslicht is,

that that traffic light is red and not green,

dat het rood is en niet groen,

that that means that you need to stop

dat je dan moet stoppen

and not go forward."

en niet meer vooruit moet gaan."

Machine learning is at the basis

Machine-leren is de basis

of many of the things that we do online:

van veel dingen die we online doen:

search engines,

zoekmachines,

Amazon's personalization algorithm,

het personaliseer-algoritme van Amazon,

computer translation,

computervertalingen,

voice recognition systems.

systemen voor stemherkenning.

Researchers recently have looked at

Onderzoekers hebben onlangs gekeken

the question of biopsies,

naar de kwestie van biopsies,

cancerous biopsies,

kankerbiopsies.

and they've asked the computer to identify

Ze vroegen de computer te kijken

by looking at the data and survival rates

naar de gegevens en overlevingsstatistieken

to determine whether cells are actually

om te bepalen of het kankercellen zijn

cancerous or not,

and sure enough, when you throw the data at it,

Als je de gegevens erin gooit

through a machine-learning algorithm,

en een machine-leer-algoritme gebruikt,

the machine was able to identify

bleek dat de machine 12 verklikkers kon bepalen

the 12 telltale signs that best predict

die het beste voorspellen

that this biopsy of the breast cancer cells

of een biopsie van kankercellen

are indeed cancerous.

inderdaad kanker is.

The problem: The medical literature

Het probleem: de medische literatuur

only knew nine of them.

kende er maar negen.

Three of the traits were ones

Naar drie kenmerken

that people didn't need to look for,

hoefde de mens niet te kijken,

but that the machine spotted.

maar de machine zag ze wel.

Now, there are dark sides to big data as well.

Er zit ook een zwarte kant aan big data.

It will improve our lives, but there are problems

Het verbetert ons leven, maar er zijn problemen

that we need to be conscious of,

waar we ons van bewust moeten zijn.

and the first one is the idea

De eerste is het idee

that we may be punished for predictions,

dat we gestraft kunnen worden voor onze voorspellingen

that the police may use big data for their purposes,

en dat de politie ook big data gebruikt.

a little bit like "Minority Report."

Een beetje als in de film 'Minory Report'.

Now, it's a term called predictive policing,

Het heet 'predictive policing' (voorspellend politiewerk),

or algorithmic criminology,

of algoritme-criminologie.

and the idea is that if we take a lot of data,

We nemen daarbij een hoop gegevens

for example where past crimes have been,

bijvoorbeeld waar criminaliteit voorkwam,

we know where to send the patrols.

om te weten we waar agenten hun ronde moeten doen.

That makes sense, but the problem, of course,

Dat lijkt slim maar het probleem

is that it's not simply going to stop on location data,

is dat het niet zal blijven bij gegevens over de locatie,

it's going to go down to the level of the individual.

maar dat tot op het individuele niveau zal gaan.

Why don't we use data about the person's

Waarom gebruiken we geen gegevens

high school transcript?

over iemands middelbareschoolverleden?

Maybe we should use the fact that

Of ze werkloos zijn of niet,

they're unemployed or not, their credit score,

hun kredietwaardigheid,

their web-surfing behavior,

hun websurfgedrag,

whether they're up late at night.

of ze laat naar bed gaan.

Their Fitbit, when it's able to identify biochemistries,

Als hun gps-horloge biologische dingen kan meten,

will show that they have aggressive thoughts.

zal het merken of hij agressieve gedachten heeft.

We may have algorithms that are likely to predict

We zullen algoritmes krijgen die voorspellen

what we are about to do,

wat we van plan zijn te doen

and we may be held accountable

en zouden kunnen worden aangesproken voordat we gehandeld hebben.

before we've actually acted.

Privacy was the central challenge

Privacy was de grote uitdaging

in a small data era.

bij weinig gegevens.

In the big data age,

In het big data-tijdperk

the challenge will be safeguarding free will,

wordt de uitdaging het waarborgen van de vrije wil,

moral choice, human volition,

morele keuzevrijheid, menselijke wil,

human agency.

menselijk handelen.

There is another problem:

Er is nog een probleem.

Big data is going to steal our jobs.

Big data zal banen gaan kosten.

Big data and algorithms are going to challenge

Big data en algoritmes zullen het opnemen

white collar, professional knowledge work

tegen de kantoormensen, kenniswerk,

in the 21st century

in de 21ste eeuw.

in the same way that factory automation

Net zoals fabrieksautomatisering

and the assembly line

en lopende banden

challenged blue collar labor in the 20th century.

het opnamen tegen de fabrieksaarbeiders in de 20ste eeuw.

Think about a lab technician

Denk eens aan een laborant

who is looking through a microscope

die in een microscoop kijkt

at a cancer biopsy

naar een kankerbiopsie

and determining whether it's cancerous or not.

om te kijken of het kanker is of niet.

The person went to university.

Deze persoon is afgestudeerd,

The person buys property.

koopt een huis,

He or she votes.

hij of zij gaat naar de stembus,

He or she is a stakeholder in society.

en neemt deel aan de maatschappij.

And that person's job,

Die persoon en nog een hele rij soortgelijke professionals

as well as an entire fleet

of professionals like that person,

is going to find that their jobs are radically changed

zullen merken dat hun baan heel erg verandert

or actually completely eliminated.

of helemaal verdwijnt.

Now, we like to think

We willen graag geloven

that technology creates jobs over a period of time

dat techniek mettertijd voor banen zorgt,

after a short, temporary period of dislocation,

na een periode van ontwrichting.

and that is true for the frame of reference

Dat klopt voor het referentiekader

with which we all live, the Industrial Revolution,

waarin we leven, de industriële revolutie.

because that's precisely what happened.

Want dat is precies wat er is gebeurd.

But we forget something in that analysis:

Maar we hebben iets vergeten in die analyse.

There are some categories of jobs

Er zijn een paar soorten banen

that simply get eliminated and never come back.

die gewoon verdwijnen en nooit meer terugkomen.

The Industrial Revolution wasn't very good

De industriële revolutie was niet best

if you were a horse.

als je een paard was.

So we're going to need to be careful

We moeten dus erg zorgvuldig zijn,

and take big data and adjust it for our needs,

en big data aanpassen aan onze behoeftes,

our very human needs.

onze zeer menselijke behoeftes.

We have to be the master of this technology,

We moeten de technologie de baas zijn.

not its servant.

niet omgekeerd.

We are just at the outset of the big data era,

We staan aan het begin van het big data-tijdperk,

and honestly, we are not very good

en eerlijk gezegd zijn we nog niet zo goed

at handling all the data that we can now collect.

in het omgaan met de big data die we verzamelen.

It's not just a problem for the National Security Agency.

Het is niet alleen een probleem voor de NSA.

Businesses collect lots of data, and they misuse it too,

Bedrijven verzamelen veel data en misbruiken die ook.

and we need to get better at this, and this will take time.

We moeten er beter in worden en dat kost tijd.

It's a little bit like the challenge that was faced

Het lijkt op de uitdaging

by primitive man and fire.

die de mens ooit had met vuur.

This is a tool, but this is a tool that,

Het is een gereedschap,

unless we're careful, will burn us.

maar als je niet uitkijkt, verbrand je.

Big data is going to transform how we live,

Big data gaat ons leven veranderen.

how we work and how we think.

Hoe we leven, hoe we werken en hoe we denken.

It is going to help us manage our careers

Het gaat ons helpen bij onze carrière

and lead lives of satisfaction and hope

en ons een tevreden en hoopvol leven laten leiden

and happiness and health,

in blijdschap en gezondheid.

but in the past, we've often looked at information technology

Maar vroeger keken we vaak naar informatietechnologie

and our eyes have only seen the T,

en zagen we alleen de T,

the technology, the hardware,

Technologie, de spullen,

because that's what was physical.

omdat dat fysiek was.

We now need to recast our gaze at the I,

Maar nu moeten we onze blik aanpassen om de I te zien,

the information,

de Informatie,

which is less apparent,

die minder zichtbaar is

but in some ways a lot more important.

maar in zekere zin belangrijker.

Humanity can finally learn from the information

De mensheid kan eindelijk leren van informatie

that it can collect,

die ze verzamelt

as part of our timeless quest

als onderdeel van onze eeuwige zoektocht

to understand the world and our place in it,

om de wereld en onze plek erin beter te begrijpen.

and that's why big data is a big deal.

Daarom is big data van groot belang.

(Applause)

(Applaus)