Tim Berners-Lee: The next Web of open, linked data

Tim Berners-Lee e a próxima Web

443,212 views ・ 2009-03-13

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Vagner Pagotti Revisor: Belucio Haibara
00:18
Time flies.
0
18330
2000
O tempo voa.
00:20
It's actually almost 20 years ago
1
20330
2000
Há quase 20 anos
00:22
when I wanted to reframe the way we use information,
2
22330
4000
quando procurava mudar a forma de usarmos a informação,
00:26
the way we work together: I invented the World Wide Web.
3
26330
3000
a forma de trabalharmos em conjunto, eu inventei a Web.
00:29
Now, 20 years on, at TED,
4
29330
3000
Agora, 20 anos depois, aqui no TED,
00:32
I want to ask your help in a new reframing.
5
32330
4000
Eu peço ajuda a vocês em uma nova reestrutura.
00:37
So going back to 1989,
6
37330
4000
Vamos voltar para 1989,
00:41
I wrote a memo suggesting the global hypertext system.
7
41330
3000
Eu sugeri o sistema global de hipertexto.
00:44
Nobody really did anything with it, pretty much.
8
44330
3000
Ninguém realmente fez algo de bom com ele.
00:47
But 18 months later -- this is how innovation happens --
9
47330
4000
Mas, 18 anos depois. É como a inovação acontece.
00:51
18 months later, my boss said I could do it on the side,
10
51330
4000
Meu chefe disse que eu poderia trabalhar em paralelo,
00:55
as a sort of a play project,
11
55330
2000
com se fosse um hobby,
00:57
kick the tires of a new computer we'd got.
12
57330
2000
aproveitando um novo computador que tinhamos.
00:59
And so he gave me the time to code it up.
13
59330
3000
E então me arrumou um time para codificar.
01:02
So I basically roughed out what HTML should look like:
14
62330
5000
Basicamente rabisquei o que o HTML deveria ser,
01:07
hypertext protocol, HTTP;
15
67330
3000
protocolo de hipertexto, HTTP.
01:10
the idea of URLs, these names for things
16
70330
3000
a idéia de URLs, nomes para as coisas
01:13
which started with HTTP.
17
73330
2000
que rodam com HTTP.
01:15
I wrote the code and put it out there.
18
75330
2000
Eu escrevi o código e coloquei ali.
01:17
Why did I do it?
19
77330
2000
Por que eu fiz isso?
01:19
Well, it was basically frustration.
20
79330
2000
Bem, era um frustração só.
01:21
I was frustrated -- I was working as a software engineer
21
81330
4000
Eu era frustrado. Eu trabalhava como engenheiro de software
01:25
in this huge, very exciting lab,
22
85330
2000
nesse laboratório imenso,
01:27
lots of people coming from all over the world.
23
87330
2000
com várias pessoas de todo lugar.
01:29
They brought all sorts of different computers with them.
24
89330
3000
Trouxeram todo tipo de computador.
01:32
They had all sorts of different data formats,
25
92330
3000
Tinham todo tipo de dado em diferentes formatos.
01:35
all sorts, all kinds of documentation systems.
26
95330
2000
Toda uma forma diferente de documentar.
01:37
So that, in all that diversity,
27
97330
3000
E então, nessa diversidade toda,
01:40
if I wanted to figure out how to build something
28
100330
2000
para descobrir como construir algo
01:42
out of a bit of this and a bit of this,
29
102330
2000
sem um pouco disso e com um pouco daquilo,
01:44
everything I looked into, I had to connect to some new machine,
30
104330
4000
com tudo que eu vi. Tive que conectar maquinas diferentes,
01:48
I had to learn to run some new program,
31
108330
2000
Eu tive que aprender a rodar novos programas,
01:50
I would find the information I wanted in some new data format.
32
110330
5000
Eu procurei a informação em diversos formatos.
01:55
And these were all incompatible.
33
115330
2000
E eram todos incompatíveis.
01:57
It was just very frustrating.
34
117330
2000
Foi muito frustrante.
01:59
The frustration was all this unlocked potential.
35
119330
2000
A frustração era por conta das infinitas possibilidades.
02:01
In fact, on all these discs there were documents.
36
121330
3000
De fato, em todos esses discos havia documentos.
02:04
So if you just imagined them all
37
124330
3000
Então se imaginar tudo isso
02:07
being part of some big, virtual documentation system in the sky,
38
127330
5000
sendo parte de algo maior, um sistema de documentos virtuais,
02:12
say on the Internet,
39
132330
2000
por exemplo, na Internet,
02:14
then life would be so much easier.
40
134330
2000
então a vida seria mais fácil.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
136330
4000
Bem, quando você tem uma idéia dessas, ela te arrepia
02:20
and even if people don't read your memo --
42
140330
2000
mesmo quando ninguém lê o que você escreve.
02:22
actually he did, it was found after he died, his copy.
43
142330
3000
Na realidade leu. Foi encontrada após sua morte, uma cópia.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
145330
3000
Onde escreveu "Vago, mas excitante", a lápis, no cantinho.
02:28
(Laughter)
45
148330
2000
(Risos)
02:30
But in general it was difficult -- it was really difficult to explain
46
150330
4000
Mas no geral foi difícil. Foi realmente difícil explicar
02:34
what the web was like.
47
154330
2000
com era a Web.
02:36
It's difficult to explain to people now that it was difficult then.
48
156330
2000
É difícil explicar às pessoas agora o que era difícil explicar.
02:38
But then -- OK, when TED started, there was no web
49
158330
3000
Mas então -- OK, quando começou o TED, não havia Web
02:41
so things like "click" didn't have the same meaning.
50
161330
3000
e coisas como clicar não tinham o mesmo significado.
02:44
I can show somebody a piece of hypertext,
51
164330
2000
Eu posso mostrar a alguém um pedaço de hipertexto,
02:46
a page which has got links,
52
166330
2000
uma página que tem links,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
168330
4000
e nós clicamos no link e "bing". Ta lá outra página de hipertexto.
02:52
Not impressive.
54
172330
2000
Nada impressionante.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
174330
3000
Nós temos coisas em hipertexto nos CD-ROMs.
02:57
What was difficult was to get them to imagine:
56
177330
3000
Foi difícil fazê-los imaginar.
03:00
so, imagine that that link could have gone
57
180330
4000
Então, imagine que o link poderia ter direcionado
03:04
to virtually any document you could imagine.
58
184330
2000
virtualmente para qualquer tipo de documento.
03:07
Alright, that is the leap that was very difficult for people to make.
59
187330
4000
Está bem, é um passo muito difícil para as pessoas.
03:11
Well, some people did.
60
191330
2000
Mas algumas pessoas deram esse passo.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
193330
3000
Ainda assim, foi difícil explicar, mas houve uma popularização
03:17
And that is what has made it most fun.
62
197330
4000
E isso é o que o tornou mais divertido.
03:21
That has been the most exciting thing,
63
201330
2000
Tem sido a parte mais excitante,
03:23
not the technology, not the things people have done with it,
64
203330
2000
não a tecnologia, nem as coisas que as pessoas fizeram com isso,
03:25
but actually the community, the spirit of all these people
65
205330
2000
mas a comunidade, o espírito de todas essas pessoas
03:27
getting together, sending the emails.
66
207330
2000
se juntando, enviando emails.
03:29
That's what it was like then.
67
209330
2000
Foi o que aconteceu.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
211330
3000
Sabem o que mais? É engraçado, mas agora mesmo está se repetindo.
03:34
I asked everybody, more or less, to put their documents --
69
214330
2000
Eu perguntei a todos, mais ou menos, para colocar seus documentos.
03:36
I said, "Could you put your documents on this web thing?"
70
216330
3000
Eu disse, "Poderiam colocar seus documentos nessa tal Web?"
03:39
And you did.
71
219330
3000
E, colocaram.
03:42
Thanks.
72
222330
1000
Obrigado.
03:43
It's been a blast, hasn't it?
73
223330
2000
Tem sido o máximo, não?
03:45
I mean, it has been quite interesting
74
225330
2000
Quero dizer, foi realmente interessante
03:47
because we've found out that the things that happen with the web
75
227330
2000
porque descobrimos que as coisas que acontecem na Web
03:49
really sort of blow us away.
76
229330
2000
realmente nos levam longe.
03:51
They're much more than we'd originally imagined
77
231330
2000
Elas são muito mais que havíamos imaginado
03:53
when we put together the little, initial website
78
233330
2000
do que quando nós juntamos o site inicial
03:55
that we started off with.
79
235330
2000
no qual começamos.
03:57
Now, I want you to put your data on the web.
80
237330
3000
Agora, Eu quero que vocês coloquem seus dados na Web.
04:00
Turns out that there is still huge unlocked potential.
81
240330
4000
Perceba que ainda existe essa enorme possibilidade.
04:04
There is still a huge frustration
82
244330
2000
Ainda existe uma grande frustração
04:06
that people have because we haven't got data on the web as data.
83
246330
4000
que as pessoas tem porque não tem os dados na Web como dados.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
250330
2000
O que você quer dizer com dados? Qual a diferença? Documentos, dados?
04:12
Well, documents you read, OK?
85
252330
3000
Documentos vocês podem ler, OK?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
255330
3000
Mais ou menos, vocês os lêem, vocês podem seguir os links dele, e é isso ai.
04:18
Data -- you can do all kinds of stuff with a computer.
87
258330
2000
Dados. Vocês podem fazer todo tipo de coisa com um computador.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
260330
6000
Quem aqui viu a palestra do Hans Rosling?
04:26
One of the great -- yes a lot of people have seen it --
89
266330
4000
Um dos melhores. Muita gente viu.
04:30
one of the great TED Talks.
90
270330
2000
uma das melhores palestras do TED.
04:32
Hans put up this presentation
91
272330
2000
Hans os colocou nessa apresentação
04:34
in which he showed, for various different countries, in various different colors --
92
274330
5000
que ele mostrou, para vários países diferente, em várias cores.
04:39
he showed income levels on one axis
93
279330
3000
Mostrou níveis de renda em um eixo
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
282330
3000
e mostrou mortalidade infantil, e tudo isso animado no tempo.
04:45
So, he'd taken this data and made a presentation
95
285330
4000
Então, ele obteve os dados e fez uma apresentação
04:49
which just shattered a lot of myths that people had
96
289330
3000
que derrubou vários mitos que as pessoas tinham
04:52
about the economics in the developing world.
97
292330
4000
sobre economia no mundo em desenvolvimento.
04:56
He put up a slide a little bit like this.
98
296330
2000
Ele colocou na tela algo como isso.
04:58
It had underground all the data
99
298330
2000
tinha por baixo todos os dados
05:00
OK, data is brown and boxy and boring,
100
300330
3000
OK, dado é sem graça e chato,
05:03
and that's how we think of it, isn't it?
101
303330
2000
e é assim que nós pensamos, não é?
05:05
Because data you can't naturally use by itself
102
305330
3000
Porque vocês não podem usar os dados sozinhos
05:08
But in fact, data drives a huge amount of what happens in our lives
103
308330
4000
Mas de fato, os dados ditam boa parte do que acontece em nossas vidas
05:12
and it happens because somebody takes that data and does something with it.
104
312330
3000
e isso acontece porque alguém os pegou e fez algo com eles.
05:15
In this case, Hans had put the data together
105
315330
2000
Nesse caso, o Hans juntou os dados
05:17
he had found from all kinds of United Nations websites and things.
106
317330
5000
que achou em sites que tinha a ver com as Nações Unidas.
05:22
He had put it together,
107
322330
2000
Ele juntou tudo isso,
05:24
combined it into something more interesting than the original pieces
108
324330
3000
combinando em algo mais interessante que as partes originais
05:27
and then he'd put it into this software,
109
327330
5000
e depois colocou dentro desse software,
05:32
which I think his son developed, originally,
110
332330
2000
que eu acho que seu filho desenvolveu, originalmente,
05:34
and produces this wonderful presentation.
111
334330
3000
e produziu essa maravilhosa apresentação.
05:37
And Hans made a point
112
337330
2000
E o Hans fez questão
05:39
of saying, "Look, it's really important to have a lot of data."
113
339330
4000
de dizer, "Olhem, é realmente importante ter muitos dados."
05:43
And I was happy to see that at the party last night
114
343330
3000
E eu fui feliz em ver essa parte na noite passada
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
346330
4000
na qual ele ainda dizia, enfático, "É realmente importante ter muitos dados."
05:50
So I want us now to think about
116
350330
2000
Eu quero que paremos para pensar
05:52
not just two pieces of data being connected, or six like he did,
117
352330
4000
não apenas em duas peças conectadas, ou seis como ele fez,
05:56
but I want to think about a world where everybody has put data on the web
118
356330
5000
mas pensem em um mundo onde todo mundo coloca dados na Web
06:01
and so virtually everything you can imagine is on the web
119
361330
2000
e tudo que você possa imaginar esteja na Web.
06:03
and then calling that linked data.
120
363330
2000
e então chamem isso de dados vinculados.
06:05
The technology is linked data, and it's extremely simple.
121
365330
2000
A tecnologia está no dado vinculado, e é extremamente simples.
06:07
If you want to put something on the web there are three rules:
122
367330
4000
Se vocês quiserem colocar algo na Web por três anos
06:11
first thing is that those HTTP names --
123
371330
3000
a primeira coisa é que aqueles nomes HTTP.
06:14
those things that start with "http:" --
124
374330
2000
aquelas coisas que começam com http:
06:16
we're using them not just for documents now,
125
376330
4000
agora nós as utilizamos não apenas para documentos,
06:20
we're using them for things that the documents are about.
126
380330
2000
utilizamos para fazer o mesmo que os documentos fazem.
06:22
We're using them for people, we're using them for places,
127
382330
2000
utilizamos para pessoas, para lugares,
06:24
we're using them for your products, we're using them for events.
128
384330
4000
utilizamos em nossos produtos, utilizamos para eventos.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
388330
4000
Todo tipo de conceito, agora tem nomes que começam com HTTP.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
392330
5000
Segunda regra, se eu pegar um desses nomes HTTP
06:37
and I do the web thing with it and I fetch the data
131
397330
2000
colocar algo na Web com ele e buscar os dados
06:39
using the HTTP protocol from the web,
132
399330
2000
da Web usando o protocolo HTTP,
06:41
I will get back some data in a standard format
133
401330
3000
Eu receberei alguns dados em um formato padronizado
06:44
which is kind of useful data that somebody might like to know
134
404330
5000
que é um tipo de dado que alguém talvez saiba
06:49
about that thing, about that event.
135
409330
2000
sobre aquilo, sobre aquele fato.
06:51
Who's at the event? Whatever it is about that person,
136
411330
2000
Quem está no fato? Qualquer que seja ele é sobre aquele pessoa,
06:53
where they were born, things like that.
137
413330
2000
onde nasceram, coisas desse tipo.
06:55
So the second rule is I get important information back.
138
415330
2000
Então a segunda regra é que eu recebo informação importante.
06:57
Third rule is that when I get back that information
139
417330
4000
A terceira regra é que quando eu recebo a informação
07:01
it's not just got somebody's height and weight and when they were born,
140
421330
3000
não é apenas saber a altura e peso de alguém e onde nasceram,
07:04
it's got relationships.
141
424330
2000
é ter seus relacionamentos.
07:06
Data is relationships.
142
426330
2000
Dados são relacionamentos.
07:08
Interestingly, data is relationships.
143
428330
2000
Curiosamente, dados são relacionamentos.
07:10
This person was born in Berlin; Berlin is in Germany.
144
430330
4000
Esta pessoa nasceu em Berlim, Berlim é na Alemanha.
07:14
And when it has relationships, whenever it expresses a relationship
145
434330
3000
E quando tem relacionamentos, qualquer que seja expressa uma relação.
07:17
then the other thing that it's related to
146
437330
3000
Então a outra coisa a que está relacionado
07:20
is given one of those names that starts HTTP.
147
440330
4000
é dado um desses nomes que iniciam o HTTP.
07:24
So, I can go ahead and look that thing up.
148
444330
2000
Então, eu posso ir adiante e procurar aquilo.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
446330
3000
Então eu procuro por uma pessoa. Eu posso visitar a cidade onde nasceu
07:29
I can look up the region it's in, and the town it's in,
150
449330
3000
Eu posso visitar a região dela, e a vila onde ela fica,
07:32
and the population of it, and so on.
151
452330
3000
e a população de lá, e assim por diante.
07:35
So I can browse this stuff.
152
455330
2000
Eu posso navegar por tudo isso.
07:37
So that's it, really.
153
457330
2000
Na verdade, é isso ai.
07:39
That is linked data.
154
459330
2000
Isso são os dados vinculados.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
461330
3000
Eu escrevi um artigo chamado "Dados Vinculados" alguns anos atrás
07:44
and soon after that, things started to happen.
156
464330
4000
e logo depois, as coisas começaram a acontecer.
07:48
The idea of linked data is that we get lots and lots and lots
157
468330
4000
A idéia de dados vinculados é que nós ficamos com um monte
07:52
of these boxes that Hans had,
158
472330
2000
dessas caixas do Hans,
07:54
and we get lots and lots and lots of things sprouting.
159
474330
2000
e ficamos com um monte dessas coisas brotando.
07:56
It's not just a whole lot of other plants.
160
476330
3000
Não é apenas um série de outras plantas.
07:59
It's not just a root supplying a plant,
161
479330
2000
Não é apenas uma raiz de uma planta,
08:01
but for each of those plants, whatever it is --
162
481330
3000
mas para cada uma das plantas, qualquer que seja.
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
484330
3000
Uma apresentação, uma análise, a procura por padrões nos dados.
08:07
they get to look at all the data
164
487330
3000
Eles obtêm todos os dados
08:10
and they get it connected together,
165
490330
2000
e os conectam,
08:12
and the really important thing about data
166
492330
2000
e a coisa mais importante sobre os dados
08:14
is the more things you have to connect together, the more powerful it is.
167
494330
2000
é que quanto mais você tem para conectar, mais poderosos eles são.
08:16
So, linked data.
168
496330
2000
Então, dados vinculados.
08:18
The meme went out there.
169
498330
2000
O significado veio de lá.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
500330
4000
E, tão logo Chis Spitzer* da Universidade Freie em Berlim
08:24
who was one of the first people to put interesting things up,
171
504330
2000
que foi uma das primeiras pessoas a colocar coisas interessantes,
08:26
he noticed that Wikipedia --
172
506330
2000
ele notou que a Wikipedia.
08:28
you know Wikipedia, the online encyclopedia
173
508330
3000
A Wikipedia, aquela enciclopédia online
08:31
with lots and lots of interesting documents in it.
174
511330
2000
que tem um monte de documentos interessantes.
08:33
Well, in those documents, there are little squares, little boxes.
175
513330
4000
Bem, nesses documentos, tem pequenos quadrados, pequenas caixas.
08:37
And in most information boxes, there's data.
176
517330
3000
E na maioria das caixas, existem dados.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
520330
4000
Ele então escreveu um programa obter os dados, extrair da Wikipedia,
08:44
and put it into a blob of linked data
178
524330
2000
e colocar em forma de dados vinculados
08:46
on the web, which he called dbpedia.
179
526330
3000
na web, que ele chamou de DBpedia.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
529330
4000
DBpedia é representada por esse balão azul no meio desse slide
08:53
and if you actually go and look up Berlin,
181
533330
2000
e se vocês realmente procurarem Berlim,
08:55
you'll find that there are other blobs of data
182
535330
2000
irão ver que existem outros dados
08:57
which also have stuff about Berlin, and they're linked together.
183
537330
3000
que também tem a ver com Berlim, e eles estão conectados.
09:00
So if you pull the data from dbpedia about Berlin,
184
540330
3000
Assim se você puxar dados de Berlim do DBpedia,
09:03
you'll end up pulling up these other things as well.
185
543330
2000
irá acabar puxando essas outras coisas também.
09:05
And the exciting thing is it's starting to grow.
186
545330
3000
E a parte excitante é que está começando a crescer.
09:08
This is just the grassroots stuff again, OK?
187
548330
2000
Isso novamente é apenas o começo, OK?
09:10
Let's think about data for a bit.
188
550330
3000
Deixe-me pensar sobre os dados por um momento.
09:13
Data comes in fact in lots and lots of different forms.
189
553330
3000
Dados vem, de fato, em um monte de formas diferentes
09:16
Think of the diversity of the web. It's a really important thing
190
556330
3000
Pense na diversidade da web, é importante
09:19
that the web allows you to put all kinds of data up there.
191
559330
3000
que a web deixe você colocar todo tipo de dado lá.
09:22
So it is with data. I could talk about all kinds of data.
192
562330
2000
Por isso, com os dados. Eu diria todo tipo de dados.
09:25
We could talk about government data, enterprise data is really important,
193
565330
4000
Diríamos dados do governo, de empresas é realmente importante,
09:29
there's scientific data, there's personal data,
194
569330
3000
tem dados científicos, os dados pessoais,
09:32
there's weather data, there's data about events,
195
572330
2000
dados de meterologia, tem dados sobre acontecimentos,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
574330
4000
dados sobre palestras, notícias e todo tipo de coisa.
09:38
I'm just going to mention a few of them
197
578330
3000
Estou apenas mencionando alguns deles
09:41
so that you get the idea of the diversity of it,
198
581330
2000
para que você tenham idéia da diversidade,
09:43
so that you also see how much unlocked potential.
199
583330
4000
para que vejam quantas possibilidades.
09:47
Let's start with government data.
200
587330
2000
Vamos começar com dados do governo.
09:49
Barack Obama said in a speech,
201
589330
2000
Barack Obama disse, em um discurso,
09:51
that he -- American government data would be available on the Internet
202
591330
5000
que os dados do governo americano estariam disponíveis na internet
09:56
in accessible formats.
203
596330
2000
em formatos acessíveis.
09:58
And I hope that they will put it up as linked data.
204
598330
2000
E eu espero que eles coloquem em forma de dados vinculados.
10:00
That's important. Why is it important?
205
600330
2000
É importante. Por que é importante?
10:02
Not just for transparency, yeah transparency in government is important,
206
602330
3000
Não só pela transparência, pois transparência no governo é importante,
10:05
but that data -- this is the data from all the government departments
207
605330
3000
mas os dados de todos os departamentos do governo
10:08
Think about how much of that data is about how life is lived in America.
208
608330
5000
Imagine quanto desses dados falam do modo de vida na América.
10:13
It's actual useful. It's got value.
209
613330
2000
É útil. Tem valor.
10:15
I can use it in my company.
210
615330
2000
Eu posso usar na minha empresa.
10:17
I could use it as a kid to do my homework.
211
617330
2000
Uma criança poderia usar na sua lição de casa.
10:19
So we're talking about making the place, making the world run better
212
619330
3000
Estamos falando de fazer um mundo melhor
10:22
by making this data available.
213
622330
2000
ao deixar esse dados disponíveis.
10:24
In fact if you're responsible -- if you know about some data
214
624330
4000
De fato se for responsável. Se você encontrar dados
10:28
in a government department, often you find that
215
628330
2000
no governo, quase sempre irá achar
10:30
these people, they're very tempted to keep it --
216
630330
3000
essas pessoas, elas são tentadas a retê-los.
10:33
Hans calls it database hugging.
217
633330
3000
O Hans chama isso de abraço no banco de dados.
10:36
You hug your database, you don't want to let it go
218
636330
2000
Você abraça seu banco, você não quer que vá embora
10:38
until you've made a beautiful website for it.
219
638330
2000
até que você faça um belo site para ele.
10:40
Well, I'd like to suggest that rather --
220
640330
2000
Bem, eu sugiro que ao invés disso,
10:42
yes, make a beautiful website,
221
642330
2000
quero dizer, sim, faça um site lindo.
10:44
who am I to say don't make a beautiful website?
222
644330
2000
Quem sou eu pra dizer para não fazer um belo site?
10:46
Make a beautiful website, but first
223
646330
3000
Faça um belo site, mas primeiro
10:49
give us the unadulterated data,
224
649330
3000
nos dê os dados inalterados,
10:52
we want the data.
225
652330
2000
nós queremos os dados.
10:54
We want unadulterated data.
226
654330
2000
Nós queremos os dados inalterados.
10:56
OK, we have to ask for raw data now.
227
656330
3000
OK, nós vamos pedir os dados agora.
10:59
And I'm going to ask you to practice that, OK?
228
659330
2000
e estou pedindo para vocês praticarem, OK?
11:01
Can you say "raw"?
229
661330
1000
Digam "puros".
11:02
Audience: Raw.
230
662330
1000
Platéia: Puros.
11:03
Tim Berners-Lee: Can you say "data"?
231
663330
1000
Tim: Podem dizer "dados"?
11:04
Audience: Data.
232
664330
1000
Platéia: Dados.
11:05
TBL: Can you say "now"?
233
665330
1000
Tim: Podem dizer "agora"?
11:06
Audience: Now!
234
666330
1000
Platéia: Agora!
11:07
TBL: Alright, "raw data now"!
235
667330
2000
Tim: Vamos lá, dados puros agora!
11:09
Audience: Raw data now!
236
669330
2000
Platéia: Dados puros agora!
11:11
Practice that. It's important because you have no idea the number of excuses
237
671330
4000
Pratique isso. É importante porque vocês não têm idéia das desculpas
11:15
people come up with to hang onto their data
238
675330
2000
que as pessoas inventam para não liberarem os dados
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
677330
4000
e não fornecem, mesmo que você já tenha pago o imposto para tê-las.
11:21
And it's not just America. It's all over the world.
240
681330
2000
e isso não é só na América. Acontece no mundo todo.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
683330
3000
e não é apenas no governo, é claro. Em empresas também.
11:26
So I'm just going to mention a few other thoughts on data.
242
686330
3000
Eu vou mencionar algums pensamentos sobre os dados.
11:29
Here we are at TED, and all the time we are very conscious
243
689330
5000
Estamos aqui no TED, e todo o tempo muito conscientes
11:34
of the huge challenges that human society has right now --
244
694330
5000
do grande desafio que a sociedade tem agora.
11:39
curing cancer, understanding the brain for Alzheimer's,
245
699330
3000
Cura do câncer, entendimento da doença de Alzheimer,
11:42
understanding the economy to make it a little bit more stable,
246
702330
3000
compreensão de como ter uma economia mais estável,
11:45
understanding how the world works.
247
705330
2000
saber como o mundo funciona.
11:47
The people who are going to solve those -- the scientists --
248
707330
2000
As pessoas que resolvem isso, os cientistas,
11:49
they have half-formed ideas in their head,
249
709330
2000
tem apenas parte das idéias na cabeça,
11:51
they try to communicate those over the web.
250
711330
3000
eles tentam comunicá-las pela internet.
11:54
But a lot of the state of knowledge of the human race at the moment
251
714330
3000
Mas boa parte do conhecimento da humanidade nesse momento
11:57
is on databases, often sitting in their computers,
252
717330
3000
está nos bancos de dados, nos computadores deles,
12:00
and actually, currently not shared.
253
720330
3000
e realmente, não está compartilhado.
12:03
In fact, I'll just go into one area --
254
723330
3000
Na verdade, vou entrar em uma área.
12:06
if you're looking at Alzheimer's, for example,
255
726330
2000
Se você procurar por Alzheimer, por exemplo,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
728330
3000
buscar por drogas. Há um volume completo de dados sendo disponibilizados
12:11
because scientists in that field realize
257
731330
2000
porque os cientistas dessa área entendem
12:13
this is a great way of getting out of those silos,
258
733330
3000
que é uma ótima forma de tirar daqueles prédios,
12:16
because they had their genomics data in one database
259
736330
4000
porque eles tinham dados de genoma em um banco
12:20
in one building, and they had their protein data in another.
260
740330
3000
em um prédio, e tinham os dados de proteínas em outro.
12:23
Now, they are sticking it onto -- linked data --
261
743330
3000
Agora, estão colocando eles como dados vinculados.
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
746330
3000
E agora eles podem fazer algumas perguntas que vocês não fariam,
12:29
I wouldn't ask -- they would.
263
749330
2000
Eu não ia perguntar. Eles deveriam.
12:31
What proteins are involved in signal transduction
264
751330
2000
Quais proteínas fazem parte da transdução de sinal.
12:33
and also related to pyramidal neurons?
265
753330
2000
e quais estão relacionadas aos neurônios piramidais?
12:35
Well, you take that mouthful and you put it into Google.
266
755330
3000
Bem, você pega tudo isso e coloca no Google.
12:38
Of course, there's no page on the web which has answered that question
267
758330
3000
É claro, não existe uma página que irá responder a isso
12:41
because nobody has asked that question before.
268
761330
2000
porque ninguém perguntou isso antes.
12:43
You get 223,000 hits --
269
763330
2000
O resultado é 223.000 páginas.
12:45
no results you can use.
270
765330
2000
Nenhuma delas pode ser usada.
12:47
You ask the linked data -- which they've now put together --
271
767330
3000
Ao perguntar aos dados vinculados, que agora estão conectados,
12:50
32 hits, each of which is a protein which has those properties
272
770330
4000
32 resultados. Cada um deles uma proteína com essas propriedades
12:54
and you can look at.
273
774330
2000
e você pode observá-las.
12:56
The power of being able to ask those questions, as a scientist --
274
776330
3000
O poder de fazer esse tipo de perguntar, como um cientista.
12:59
questions which actually bridge across different disciplines --
275
779330
2000
Questões que passam por diferentes disciplinas.
13:01
is really a complete sea change.
276
781330
3000
É realmente uma mudança completa.
13:04
It's very very important.
277
784330
2000
É extremamente importante.
13:06
Scientists are totally stymied at the moment --
278
786330
2000
Os cientistas estão travados nesse momento.
13:08
the power of the data that other scientists have collected is locked up
279
788330
5000
O poder dos dados que outros cientistas coletaram está bloqueado
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
793330
3000
e precisamos liberá-los para que possamos lidar com esses problemas.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
796330
4000
Se continuar assim, pensarão que todos os dados vêm de grandes instituições
13:20
and has nothing to do with you.
282
800330
3000
e não tem nada que possa ser feito.
13:23
But, that's not true.
283
803330
2000
Mas, não é verdade.
13:25
In fact, data is about our lives.
284
805330
2000
Na verdade, os dados são sobre nossas vidas.
13:27
You just -- you log on to your social networking site,
285
807330
3000
Apenas logue no seu site de rede social,
13:30
your favorite one, you say, "This is my friend."
286
810330
2000
no seu favorito, e diga, "Esse é meu amigo."
13:32
Bing! Relationship. Data.
287
812330
3000
Bing! Relacionamento. Dados.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
815330
3000
Diz, "Essa foto tem a ver com essa pessoa."
13:38
Bing! That's data. Data, data, data.
289
818330
3000
Bing! São os dados. Dados, dados, dados.
13:41
Every time you do things on the social networking site,
290
821330
2000
Cada vez que você mexe no site da rede social,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
823330
4000
o site da rede social está usando os dados e dando outro propósito a eles
13:47
and using it to make other people's lives more interesting on the site.
292
827330
4000
para que a vida das outras pessoas no site fique mais interessante.
13:51
But, when you go to another linked data site --
293
831330
2000
Mas, quando você vai até outro site através de um link.
13:53
and let's say this is one about travel,
294
833330
3000
Digamos para um site de turismo,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
836330
3000
e você diz, "Eu quero enviar essa foto para todos do grupo".
13:59
you can't get over the walls.
296
839330
2000
Você não consegue.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
841330
2000
Na revista The Economist tem um artigo sobre isso, varias pessoas dizendo
14:03
tremendous frustration.
298
843330
1000
que é uma frustração terrível.
14:04
The way to break down the silos is to get inter-operability
299
844330
2000
A forma de passar por isso seria a interoperabilidade
14:06
between social networking sites.
300
846330
2000
entre os sites das redes sociais.
14:08
We need to do that with linked data.
301
848330
2000
Precisamos fazer isso com dados vinculados.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
850330
3000
O último tipo de dado que vou falar, talvez seja o mais excitante.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
853330
3000
Antes de chegar lá, eu procurei no OpenStreetMap
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
856330
2000
É um mapa do OpenStreetMap, mas também é um Wiki.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
858330
3000
Aumentando naquele quadrado que é um teatro. Vamos lá.
14:21
The Terrace Theater. It didn't have a name on it.
306
861330
2000
É o teatro "O Terraço". Aqui não tem um nome.
14:23
So I could go into edit mode, I could select the theater,
307
863330
2000
Vou para modo de edição, eu posso selecionar o teatro,
14:25
I could add down at the bottom the name, and I could save it back.
308
865330
5000
Eu posso adicionar logo abaixo do nome, e eu posso voltar atrás.
14:30
And now if you go back to the OpenStreetMap. org,
309
870330
3000
e agora se vocês forem no OpenStreetMap.org
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
873330
3000
e encontrar esse lugar, verão que o teatro "O Terraço" tem um nome.
14:36
I did that. Me!
311
876330
2000
Eu fiz isso!
14:38
I did that to the map. I just did that!
312
878330
2000
Fiz isso no mapa. Apenas isso!
14:40
I put that up on there. Hey, you know what?
313
880330
2000
Eu coloquei ali. Sabe uma coisa?
14:42
If I -- that street map is all about everybody doing their bit
314
882330
3000
Aquele mapa mostra cada um fazendo a sua parte
14:45
and it creates an incredible resource
315
885330
3000
e cria algo inacreditável
14:48
because everybody else does theirs.
316
888330
3000
pois cada um faz sua parte.
14:51
And that is what linked data is all about.
317
891330
3000
É isso que são os dados vinculados.
14:54
It's about people doing their bit
318
894330
3000
É sobre as pessoas fazendo sua parte
14:57
to produce a little bit, and it all connecting.
319
897330
3000
para produzir uma pequena parte, e tudo conecta.
15:00
That's how linked data works.
320
900330
3000
É assim que os dados vinculados funcionam.
15:03
You do your bit. Everybody else does theirs.
321
903330
4000
Faça sua parte. Cada um faz a sua parte.
15:07
You may not have lots of data which you have yourself to put on there
322
907330
4000
Você não deve ter muitos dados pra colocar lá
15:11
but you know to demand it.
323
911330
3000
mas você sabe como exigir por eles.
15:14
And we've practiced that.
324
914330
2000
E nós praticamos isso.
15:16
So, linked data -- it's huge.
325
916330
4000
Dados vinculados são ótimos!
15:20
I've only told you a very small number of things
326
920330
3000
Eu disse poucas coisas a vocês
15:23
There are data in every aspect of our lives,
327
923330
2000
que existem dados em tudo na nossa vida,
15:25
every aspect of work and pleasure,
328
925330
3000
em cada parte do trabalho e no prazer,
15:28
and it's not just about the number of places where data comes,
329
928330
3000
e não tem a ver com o número de lugares de onde vem os dados,
15:31
it's about connecting it together.
330
931330
3000
tem a ver com conectá-los.
15:34
And when you connect data together, you get power
331
934330
3000
E quando vocês conectam os dados, tem o poder
15:37
in a way that doesn't happen just with the web, with documents.
332
937330
3000
de um jeito que não é só na Web, com os documentos.
15:40
You get this really huge power out of it.
333
940330
4000
Vocês tem realmente um grande poder com eles.
15:44
So, we're at the stage now
334
944330
3000
Estamos em um estágio
15:47
where we have to do this -- the people who think it's a great idea.
335
947330
4000
onde temos que fazer isso. As pessoas que acreditam nessa idéia.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
951330
3000
E todos vocês. E acho que tem muita gente no TED que faz acontecer.
15:54
even though there's not an immediate return on the investment
337
954330
2000
Embora não haja um retorno imediato do investimento
15:56
because it will only really pay off when everybody else has done it --
338
956330
3000
porque só haverá retorno quando todos tiverem feito sua parte.
15:59
they'll do it because they're the sort of person who just does things
339
959330
4000
Farão isso porque são pessoas que fazem acontecer
16:03
which would be good if everybody else did them.
340
963330
3000
e como seria bom se todos fizessem.
16:06
OK, so it's called linked data.
341
966330
2000
OK, esses são os dados vinculados.
16:08
I want you to make it.
342
968330
2000
Eu quero vocês envolvidos.
16:10
I want you to demand it.
343
970330
2000
Eu quero que vocês exijam eles.
16:12
And I think it's an idea worth spreading.
344
972330
2000
Acho que essa idéia que vai pegar.
16:14
Thanks.
345
974330
1000
Obrigado.
16:15
(Applause)
346
975330
3000
(Aplausos)

Original video on YouTube.com
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7