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

153,066 views ・ 2014-10-20

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Weronika Pietrzak Korekta: Rysia Wand
00:13
Technology has brought us so much:
0
13354
3135
Technika przyniosła nam tak wiele:
00:16
the moon landing, the Internet,
1
16489
2019
lądowanie na Księżycu, Internet, sekwencjonowanie ludzkiego genomu.
00:18
the ability to sequence the human genome.
2
18508
2625
00:21
But it also taps into a lot of our deepest fears,
3
21133
3724
Wydobywa też wiele naszych najskrytszych lęków.
00:24
and about 30 years ago,
4
24857
1856
Około 30 lat temu krytyk kultury, Neil Postman, napisał książkę
00:26
the culture critic Neil Postman wrote a book
5
26713
2553
00:29
called "Amusing Ourselves to Death,"
6
29266
2115
pod tytułem "Zabawić się na śmierć", która świetnie to odzwierciedla.
00:31
which lays this out really brilliantly.
7
31381
2759
00:34
And here's what he said,
8
34140
1650
Oto co mówi, porównując dystopiczne wizje
00:35
comparing the dystopian visions
9
35790
2263
00:38
of George Orwell and Aldous Huxley.
10
38053
3573
George'a Orwella i Aldousa Huxleya.
00:41
He said, Orwell feared we would become
11
41626
3126
Orwell bał się zniewolenia kultury.
00:44
a captive culture.
12
44752
2248
00:47
Huxley feared we would become a trivial culture.
13
47000
3752
Huxley bał się trywializacji kultury.
00:50
Orwell feared the truth would be
14
50752
2145
Orwell bał się, że prawda będzie przed nami ukrywana,
00:52
concealed from us,
15
52897
1923
00:54
and Huxley feared we would be drowned
16
54820
2190
a Huxley, że zaleje nas morze trywialności.
00:57
in a sea of irrelevance.
17
57010
2693
00:59
In a nutshell, it's a choice between
18
59703
2170
Jednym słowem to wybór między "Wielki Brat patrzy",
01:01
Big Brother watching you
19
61873
2600
a oglądaniem "Wielkiego Brata".
01:04
and you watching Big Brother.
20
64473
2496
01:06
(Laughter)
21
66969
1931
(Śmiech)
01:08
But it doesn't have to be this way.
22
68900
1734
Ale wcale nie musi tak być.
01:10
We are not passive consumers of data and technology.
23
70634
3336
Nie jesteśmy biernymi konsumentami danych i technik.
01:13
We shape the role it plays in our lives
24
73970
2403
Kształtujemy ich rolę w naszym życiu
01:16
and the way we make meaning from it,
25
76373
2130
i ich znaczenie.
01:18
but to do that,
26
78503
1603
Jednak w tym celu
01:20
we have to pay as much attention to how we think
27
80106
3513
musimy zwracać tyle uwagi na to, jak myślimy,
01:23
as how we code.
28
83619
2030
jak i na to, jak kodujemy.
01:25
We have to ask questions, and hard questions,
29
85649
3098
Musimy zadawać pytania, trudne pytania,
01:28
to move past counting things
30
88747
1869
żeby przejść od powtarzania czynności
01:30
to understanding them.
31
90616
2602
do rozumienia ich.
01:33
We're constantly bombarded with stories
32
93218
2446
Ciągle bombardują nas informacje
01:35
about how much data there is in the world,
33
95664
2476
o tym, jak wiele danych jest na świecie,
01:38
but when it comes to big data
34
98140
1580
ale gdy chodzi o wyzwanie, jakim jest ich interpretacja,
01:39
and the challenges of interpreting it,
35
99720
2596
rozmiar to nie wszystko.
01:42
size isn't everything.
36
102316
2088
01:44
There's also the speed at which it moves,
37
104404
2903
Chodzi też o prędkość, z jaką się zmieniają
01:47
and the many varieties of data types,
38
107307
1696
i o różnorodność typów danych.
01:49
and here are just a few examples:
39
109003
2498
Oto kilka przykładów:
01:51
images,
40
111501
2198
obrazy,
01:53
text,
41
113699
4007
tekst,
01:57
video,
42
117706
2095
wideo
01:59
audio.
43
119801
1830
i audio.
02:01
And what unites this disparate types of data
44
121631
3042
Łączy je to, że są stworzone przez ludzi i wymagają kontekstu.
02:04
is that they're created by people
45
124673
2221
02:06
and they require context.
46
126894
2775
02:09
Now, there's a group of data scientists
47
129669
2445
Grupa analityków danych z Uniwersytetu Illinois-Chicago
02:12
out of the University of Illinois-Chicago,
48
132114
2305
02:14
and they're called the Health Media Collaboratory,
49
134419
2554
pracuje w Health Media Collaboratory.
02:16
and they've been working with the Centers for Disease Control
50
136973
2587
Współpracują z Centrami Kontroli Chorób,
02:19
to better understand
51
139560
1505
żeby lepiej rozumieć,
02:21
how people talk about quitting smoking,
52
141065
2848
co ludzie mówią o rzucaniu palenia, co mówią o papierosach elektronicznych
02:23
how they talk about electronic cigarettes,
53
143913
2680
02:26
and what they can do collectively
54
146593
1985
i co mogą wspólnie zrobić, żeby pomóc im rzucić palenie.
02:28
to help them quit.
55
148578
1984
02:30
The interesting thing is, if you want to understand
56
150562
2013
Żeby zrozumieć, co ludzie mówią o paleniu,
02:32
how people talk about smoking,
57
152575
2216
02:34
first you have to understand
58
154791
1901
najpierw trzeba wiedzieć,
02:36
what they mean when they say "smoking."
59
156692
2565
co rozumieją przez "palenie".
02:39
And on Twitter, there are four main categories:
60
159257
3926
Na Twitterze są cztery główne kategorie:
02:43
number one, smoking cigarettes;
61
163183
2997
numer jeden: palenie papierosów; numer dwa: palenie marihuany;
02:46
number two, smoking marijuana;
62
166180
2807
02:48
number three, smoking ribs;
63
168987
2643
numer trzy: palenie w piecu i numer cztery: palenie się do kobiet.
02:51
and number four, smoking hot women.
64
171630
3553
(Śmiech)
02:55
(Laughter)
65
175183
2993
02:58
So then you have to think about, well,
66
178176
2426
Trzeba przemyśleć, jak ludzie rozmawiają o e-papierosach.
03:00
how do people talk about electronic cigarettes?
67
180602
2140
03:02
And there are so many different ways
68
182742
2025
Robią to na wiele sposobów,
03:04
that people do this, and you can see from the slide
69
184767
2599
jak widać na slajdzie, to dosyć złożona sprawa.
03:07
it's a complex kind of a query.
70
187366
2610
03:09
And what it reminds us is that
71
189976
3224
Przypomina nam to, że język jest tworzony przez ludzi,
03:13
language is created by people,
72
193200
2411
03:15
and people are messy and we're complex
73
195611
2340
a ludzie mieszają, jesteśmy skomplikowani,
03:17
and we use metaphors and slang and jargon
74
197951
2767
używamy metafor, slangu, żargonu
03:20
and we do this 24/7 in many, many languages,
75
200718
3279
i robimy to 24 godziny na dobę, w bardzo wielu językach,
03:23
and then as soon as we figure it out, we change it up.
76
203997
3224
a jak tylko to zauważymy, zmieniamy to.
Podobnie było z reklamami wyemitowanymi przez CDC,
03:27
So did these ads that the CDC put on,
77
207221
5118
03:32
these television ads that featured a woman
78
212339
2430
te bardzo obrazowe, niepokojące reklamy z kobietą z dziurą w gardle.
03:34
with a hole in her throat and that were very graphic
79
214769
2021
03:36
and very disturbing,
80
216790
1904
03:38
did they actually have an impact
81
218694
1885
Czy wpłynęły jakoś na rzucanie palenia?
03:40
on whether people quit?
82
220579
2671
Health Media Collaboratory mieli niewiele danych,
03:43
And the Health Media Collaboratory respected the limits of their data,
83
223250
3307
03:46
but they were able to conclude
84
226557
2005
ale mogli wywnioskować, że te reklamy, mogliście je widzieć,
03:48
that those advertisements — and you may have seen them —
85
228562
3312
03:51
that they had the effect of jolting people
86
231874
2591
wstrząsnęły ludźmi i zmusiły do przemyśleń,
03:54
into a thought process
87
234465
1822
03:56
that may have an impact on future behavior.
88
236287
3667
które mogą mieć wpływ na przyszłe zachowania.
03:59
And what I admire and appreciate about this project,
89
239954
3891
Tym co podziwiam i doceniam w tym projekcie,
04:03
aside from the fact, including the fact
90
243845
1489
oprócz tego, że jest oparty na prawdziwych, ludzkich potrzebach,
04:05
that it's based on real human need,
91
245334
4057
04:09
is that it's a fantastic example of courage
92
249391
2846
jest fantastyczny przykład odwagi
04:12
in the face of a sea of irrelevance.
93
252237
4443
wobec powodzi rzeczy nieistotnych.
04:16
And so it's not just big data that causes
94
256680
3305
Nie tylko ogromne dane powodują problemy z ich interpretacją,
04:19
challenges of interpretation, because let's face it,
95
259985
2601
Przyznajmy, że my, ludzie, mamy bogatą historię wpadek,
04:22
we human beings have a very rich history
96
262586
2594
04:25
of taking any amount of data, no matter how small,
97
265180
2693
kiedy to braliśmy dowolną ilość danych, nawet bardzo małą i przekręcaliśmy je.
04:27
and screwing it up.
98
267873
1617
04:29
So many years ago, you may remember
99
269490
3737
Wiele lat temu, może pamiętacie, ex-prezydenta Reagana bardzo krytykowano
04:33
that former President Ronald Reagan
100
273227
2273
04:35
was very criticized for making a statement
101
275500
1991
za oświadczenie, że fakty są głupie.
04:37
that facts are stupid things.
102
277491
3010
04:40
And it was a slip of the tongue, let's be fair.
103
280501
2794
To było przejęzyczenie, miał na myśli słowa Johna Adamsa,
04:43
He actually meant to quote John Adams' defense
104
283295
2430
04:45
of British soldiers in the Boston Massacre trials
105
285725
2751
którymi ten bronił brytyjskich żołnierzy
podczas procesów w sprawie masakry bostońskiej,
04:48
that facts are stubborn things.
106
288476
3150
że "fakty są uparte".
04:51
But I actually think there's
107
291626
2624
Jednak jest w tym trochę przypadkowej mądrości,
04:54
a bit of accidental wisdom in what he said,
108
294250
3418
04:57
because facts are stubborn things,
109
297668
2776
bo fakty są uparte, ale czasem są też głupie.
05:00
but sometimes they're stupid, too.
110
300444
2923
05:03
I want to tell you a personal story
111
303367
1888
Opowiem wam prywatną historię,
05:05
about why this matters a lot to me.
112
305255
3548
zobaczycie, czemu to dla mnie ważne.
05:08
I need to take a breath.
113
308803
2437
Muszę złapać oddech.
05:11
My son Isaac, when he was two,
114
311240
2754
Kiedy mój syn, Issac, miał dwa lata zdiagnozowano u niego autyzm,
05:13
was diagnosed with autism,
115
313994
2417
05:16
and he was this happy, hilarious,
116
316411
2161
był szczęśliwym, wesołym, kochającym, czułym chłopczykiem,
05:18
loving, affectionate little guy,
117
318572
2035
05:20
but the metrics on his developmental evaluations,
118
320607
2902
ale ocena jego rozwoju,
05:23
which looked at things like the number of words —
119
323509
2070
na przykład, ile zna słów,
05:25
at that point, none —
120
325579
3657
wówczas: zero,
wykazała: "brak komunikacji niewerbalnej,
05:29
communicative gestures and minimal eye contact,
121
329236
3940
minimalny kontakt wzrokowy",
05:33
put his developmental level
122
333176
2003
określała jego poziom rozwoju na etap 9-miesięcznego dziecka.
05:35
at that of a nine-month-old baby.
123
335179
3961
05:39
And the diagnosis was factually correct,
124
339140
2960
Diagnoza faktycznie była poprawna, ale nie mówiła wszystkiego.
05:42
but it didn't tell the whole story.
125
342100
3209
Jakieś półtora roku później, kiedy miał prawie cztery lata,
05:45
And about a year and a half later,
126
345309
1401
05:46
when he was almost four,
127
346710
2102
05:48
I found him in front of the computer one day
128
348812
2363
zobaczyłam jak szuka w grafice Google
05:51
running a Google image search on women,
129
351175
5453
hasła "kobiety",
(Śmiech)
05:56
spelled "w-i-m-e-n."
130
356628
3616
napisanego trochę niepoprawnie.
Postąpiłam jak każdy obsesyjny rodzic,
06:00
And I did what any obsessed parent would do,
131
360244
2740
06:02
which is immediately started hitting the "back" button
132
362984
1901
zaczęłam klikać "wstecz", żeby zobaczyć, czego szukał wcześniej.
06:04
to see what else he'd been searching for.
133
364885
3363
06:08
And they were, in order: men,
134
368248
2171
Hasła brzmiały: mężczyźni, szkoła, autobus i komputer.
06:10
school, bus and computer.
135
370419
7267
06:17
And I was stunned,
136
377686
2070
Byłam w szoku, bo nie wiedzieliśmy, że umie literować, co dopiero czytać,
06:19
because we didn't know that he could spell,
137
379756
2002
06:21
much less read, and so I asked him,
138
381758
1766
06:23
"Isaac, how did you do this?"
139
383524
2193
więc spytałam go, jak to zrobił.
06:25
And he looked at me very seriously and said,
140
385717
2678
Spojrzał na mnie bardzo poważnie i powiedział: "Wpisałem w okienko".
06:28
"Typed in the box."
141
388395
3352
06:31
He was teaching himself to communicate,
142
391747
3734
Uczył się komunikować, tylko my szukaliśmy w złym miejscu.
06:35
but we were looking in the wrong place,
143
395481
3004
Tak się dzieje, gdy oceny i analizy przeceniają jedną cechę,
06:38
and this is what happens when assessments
144
398485
2295
06:40
and analytics overvalue one metric —
145
400780
2396
06:43
in this case, verbal communication —
146
403176
2609
w tym wypadku komunikację werbalną, a zaniżają wartość innych,
06:45
and undervalue others, such as creative problem-solving.
147
405785
5703
takich jak twórcze rozwiązywanie problemów.
Komunikacja była trudna dla Isaaca, więc znalazł inną drogę,
06:51
Communication was hard for Isaac,
148
411488
2307
06:53
and so he found a workaround
149
413795
1912
06:55
to find out what he needed to know.
150
415707
2857
żeby dowiedzieć się tego, czego potrzebował.
06:58
And when you think about it, it makes a lot of sense,
151
418564
1890
Kiedy się o tym pomyśli, to ma sens, bo ułożenie pytania to złożony proces,
07:00
because forming a question
152
420454
2081
07:02
is a really complex process,
153
422535
2565
a do wyszukania wystarcza jedno słowo.
07:05
but he could get himself a lot of the way there
154
425100
2522
07:07
by putting a word in a search box.
155
427622
4092
07:11
And so this little moment
156
431714
2936
Ten krótki moment miał ogromny wpływ na mnie i naszą rodzinę,
07:14
had a really profound impact on me
157
434650
2836
07:17
and our family
158
437486
1309
07:18
because it helped us change our frame of reference
159
438795
3141
bo dał nam punkt odniesienia do tego, co się z nim dzieje
07:21
for what was going on with him,
160
441936
2208
i pozwolił martwić się odrobinę mniej i bardziej docenić jego pomysłowość.
07:24
and worry a little bit less and appreciate
161
444144
2976
07:27
his resourcefulness more.
162
447120
2182
07:29
Facts are stupid things.
163
449302
2861
Fakty są głupie.
Łatwo je przekręcić, bardziej lub mniej świadomie.
07:32
And they're vulnerable to misuse,
164
452163
2397
07:34
willful or otherwise.
165
454560
1653
07:36
I have a friend, Emily Willingham, who's a scientist,
166
456213
3026
Mam przyjaciółkę, Emily Willingham, która jest naukowcem
07:39
and she wrote a piece for Forbes not long ago
167
459239
2801
i niedawno napisała artykuł do magazynu Forbes
07:42
entitled "The 10 Weirdest Things
168
462040
1980
"10 Najdziwniejszych Rzeczy Łączonych z Autyzmem".
07:44
Ever Linked to Autism."
169
464020
1810
07:45
It's quite a list.
170
465830
3005
To całkiem długa lista.
Internet, winiony za wszystko, to jedno źródło.
07:48
The Internet, blamed for everything, right?
171
468835
3532
Oprócz tego, oczywiście, matki,
07:52
And of course mothers, because.
172
472367
3757
ale czekajcie, jest więcej, jest cała masa w kategorii "matki".
07:56
And actually, wait, there's more,
173
476124
1587
07:57
there's a whole bunch in the "mother" category here.
174
477711
3430
08:01
And you can see it's a pretty rich and interesting list.
175
481141
4815
To całkiem bogata i interesująca lista.
08:05
I'm a big fan of
176
485956
2193
Najbardziej mi się podoba
08:08
being pregnant near freeways, personally.
177
488149
3704
"ciąża w pobliżu autostrad".
08:11
The final one is interesting,
178
491853
1539
Ostatnie jest interesujące, bo termin "matka-lodówka"
08:13
because the term "refrigerator mother"
179
493392
3003
08:16
was actually the original hypothesis
180
496395
2605
był pierwotną hipotezą co do przyczyny autyzmu,
08:19
for the cause of autism,
181
499000
1431
08:20
and that meant somebody who was cold and unloving.
182
500431
2735
oznaczał osobę zimną i niezdolną do kochania.
08:23
And at this point, you might be thinking,
183
503166
1562
Teraz możecie myśleć: "Już załapaliśmy,
08:24
"Okay, Susan, we get it,
184
504728
1657
08:26
you can take data, you can make it mean anything."
185
506385
1782
można wziąć dane i sprawić, że będą znaczyć cokolwiek".
08:28
And this is true, it's absolutely true,
186
508167
4703
I to prawda, absolutnie,
08:32
but the challenge is that
187
512870
5610
ale prawdziwym wyzwaniem jest,
żeby samodzielnie wydobyć to znaczenie, bo przecież tak naprawdę
08:38
we have this opportunity
188
518480
2448
08:40
to try to make meaning out of it ourselves,
189
520928
2284
żadne dane nie mają znaczenia, dopóki im go nie nadamy.
08:43
because frankly, data doesn't create meaning. We do.
190
523212
5352
08:48
So as businesspeople, as consumers,
191
528564
3256
Jako ludzie biznesu, klienci, pacjenci, obywatele miast,
08:51
as patients, as citizens,
192
531820
2539
powinniśmy poświęcić więcej uwagi
08:54
we have a responsibility, I think,
193
534359
2396
08:56
to spend more time
194
536755
2194
naszym zdolnościom krytycznego myślenia.
08:58
focusing on our critical thinking skills.
195
538949
2870
09:01
Why?
196
541819
1078
Dlaczego?
09:02
Because at this point in our history, as we've heard
197
542897
3178
Bo na obecnym etapie, jak już mówiono, możemy przetwarzać
09:06
many times over,
198
546075
1706
09:07
we can process exabytes of data
199
547781
1981
eksabajty danych z prędkością światła
09:09
at lightning speed,
200
549762
2153
09:11
and we have the potential to make bad decisions
201
551915
3515
i podejmować złe decyzje dużo szybciej i wydajniej,
09:15
far more quickly, efficiently,
202
555430
1834
09:17
and with far greater impact than we did in the past.
203
557264
5028
wpływające na nas o wiele bardziej niż w przeszłości.
09:22
Great, right?
204
562292
1388
Świetnie, prawda?
09:23
And so what we need to do instead
205
563680
3030
Zamiast tego, trzeba spędzić trochę więcej czasu
09:26
is spend a little bit more time
206
566710
2330
na naukach humanistycznych,
09:29
on things like the humanities
207
569040
2746
09:31
and sociology, and the social sciences,
208
571786
3464
socjologii, naukach społecznych, retoryce, filozofii, etyce,
09:35
rhetoric, philosophy, ethics,
209
575250
2308
09:37
because they give us context that is so important
210
577558
2856
bo one zapewniają kontekst, który jest tak ważny w analizie ogromnych danych,
09:40
for big data, and because
211
580414
2576
09:42
they help us become better critical thinkers.
212
582990
2418
bo pomagają nam poprawiać krytyczne myślenie.
09:45
Because after all, if I can spot
213
585408
4207
Przy poruszaniu jakiegoś problemu nie ma większego znaczenia
09:49
a problem in an argument, it doesn't much matter
214
589615
2486
czy użyjemy słów, czy liczb.
09:52
whether it's expressed in words or in numbers.
215
592101
2759
09:54
And this means
216
594860
2719
Powinniśmy uczyć się znajdowania tych tendencyjnych znaczeń
09:57
teaching ourselves to find those confirmation biases
217
597579
4421
10:02
and false correlations
218
602000
1822
i fałszywych korelacji,
10:03
and being able to spot a naked emotional appeal
219
603822
2138
a być w stanie z daleka rozpoznać emocjonalne wyznanie,
10:05
from 30 yards,
220
605960
1662
10:07
because something that happens after something
221
607622
2522
bo to, że jedno dzieje się po drugim nie znaczy, że jest jego skutkiem.
10:10
doesn't mean it happened because of it, necessarily,
222
610144
3082
10:13
and if you'll let me geek out on you for a second,
223
613226
2119
Rzymianie nazywali to "post hoc ergo propter hoc",
10:15
the Romans called this "post hoc ergo propter hoc,"
224
615345
4297
10:19
after which therefore because of which.
225
619642
3296
"po tym, więc w skutek tego".
10:22
And it means questioning disciplines like demographics.
226
622938
3757
To oznacza poddanie w wątpliwość takich dyscyplin, jak demografia.
10:26
Why? Because they're based on assumptions
227
626695
2520
Dlaczego?
Bo opierają się na założeniach, kim jesteśmy, popartych jedynie
10:29
about who we all are based on our gender
228
629215
2306
informacjami o płci, wieku i miejscu zamieszkania,
10:31
and our age and where we live
229
631521
1462
10:32
as opposed to data on what we actually think and do.
230
632983
3478
w przeciwieństwie do tego, co naprawdę robimy i myślimy.
10:36
And since we have this data,
231
636461
1663
Skoro mamy te dane, należy je traktować
10:38
we need to treat it with appropriate privacy controls
232
638124
3139
z szacunkiem dla cudzej prywatności
10:41
and consumer opt-in,
233
641263
3576
i za wiedzą konsumentów.
10:44
and beyond that, we need to be clear
234
644839
2993
Trzeba mieć jasność co do używanych hipotez i metodologii
10:47
about our hypotheses,
235
647832
2103
10:49
the methodologies that we use,
236
649935
2596
oraz pewność co do rezultatów.
10:52
and our confidence in the result.
237
652531
2804
10:55
As my high school algebra teacher used to say,
238
655335
2474
Jak mówił mój nauczyciel z liceum:
"Pokaż mi obliczenia, bo jeśli nie wiem, co zrobiłeś,
10:57
show your math,
239
657809
1531
10:59
because if I don't know what steps you took,
240
659340
3441
nie wiem, czego nie zrobiłeś, a jeśli nie wiem, jakie pytanie zadałeś,
11:02
I don't know what steps you didn't take,
241
662781
1991
11:04
and if I don't know what questions you asked,
242
664772
2438
nie wiem, jakich pytań nie zadałeś".
11:07
I don't know what questions you didn't ask.
243
667210
3197
11:10
And it means asking ourselves, really,
244
670407
1523
To znaczy, że trzeba sobie zadać najtrudniejsze pytanie:
11:11
the hardest question of all:
245
671930
1479
11:13
Did the data really show us this,
246
673409
3500
czy też może wynik przynosi nam
11:16
or does the result make us feel
247
676909
2311
większą satysfakcję i komfort?
11:19
more successful and more comfortable?
248
679220
3878
11:23
So the Health Media Collaboratory,
249
683098
2584
Health Media Collaboratory na koniec projektu mogli stwierdzić,
11:25
at the end of their project, they were able
250
685682
1699
11:27
to find that 87 percent of tweets
251
687381
3408
że 87% wpisów na Tweeterze na temat obrazowych,
11:30
about those very graphic and disturbing
252
690789
2144
11:32
anti-smoking ads expressed fear,
253
692933
4038
niepokojących reklam przeciwko paleniu wyrażało strach,
ale czy doszli do wniosku, że skłonili kogoś do rzucenia nałogu?
11:36
but did they conclude
254
696971
1856
11:38
that they actually made people stop smoking?
255
698827
3161
11:41
No. It's science, not magic.
256
701988
2542
Nie, bo to nauka, a nie magia.
11:44
So if we are to unlock
257
704530
3190
Jeśli chcemy korzystać z możliwości, jakie dają nam dane,
11:47
the power of data,
258
707720
2862
11:50
we don't have to go blindly into
259
710582
3448
nie musimy ślepo iść w orwellowską wizję totalitarnej przyszłości,
11:54
Orwell's vision of a totalitarian future,
260
714030
3436
11:57
or Huxley's vision of a trivial one,
261
717466
3117
czy trywializację Huxleya,
12:00
or some horrible cocktail of both.
262
720583
3020
albo jakąś okropną mieszankę obu.
12:03
What we have to do
263
723603
2379
Wystarczy, że będziemy szanować zdolność krytycznego myślenia
12:05
is treat critical thinking with respect
264
725982
2718
12:08
and be inspired by examples
265
728700
2029
i będziemy się inspirować takimi przykładami,
12:10
like the Health Media Collaboratory,
266
730729
2610
jak Health Media Collaboratory.
12:13
and as they say in the superhero movies,
267
733339
2328
Jak mawiają w filmach o superbohaterach:
12:15
let's use our powers for good.
268
735667
1822
użyjmy naszych mocy na rzecz dobra.
12:17
Thank you.
269
737489
2351
Dziękuję.
12:19
(Applause)
270
739840
2334
(Brawa)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7