Shyam Sankar: The rise of human-computer cooperation

Shyam Sankar: A ascensão da cooperação homem-computador

62,632 views

2012-09-06 ・ TED


New videos

Shyam Sankar: The rise of human-computer cooperation

Shyam Sankar: A ascensão da cooperação homem-computador

62,632 views ・ 2012-09-06

TED


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

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Tradutor: Mariangela Andrade Revisor: Rogerio Lourenco
00:15
I'd like to tell you about two games of chess.
1
15772
2556
Gostaria de falar sobre duas partidas de xadrez.
00:18
The first happened in 1997, in which Garry Kasparov,
2
18328
3864
A primeira aconteceu em 1997, na qual Garry Kasparov,
00:22
a human, lost to Deep Blue, a machine.
3
22192
3716
um humano, perdeu para Deep Blue, uma máquina.
00:25
To many, this was the dawn of a new era,
4
25908
2240
Para muitos, isto era o início de uma nova era,
00:28
one where man would be dominated by machine.
5
28148
2779
em que o homem seria dominado pela máquina.
00:30
But here we are, 20 years on, and the greatest change
6
30927
3334
Mas aqui estamos nós, 20 anos depois e a maior mudança
00:34
in how we relate to computers is the iPad,
7
34261
2690
de como nos relacionamos com computadores é o iPad
00:36
not HAL.
8
36951
2045
e não HAL.
00:38
The second game was a freestyle chess tournament
9
38996
2648
A segunda partida foi num torneio de xadrez estilo livre
00:41
in 2005, in which man and machine could enter together
10
41644
2969
em 2005, no qual homem e máquina podiam participar
00:44
as partners, rather than adversaries, if they so chose.
11
44613
4666
como parceiros, ao invés de adversários, se assim preferissem.
00:49
At first, the results were predictable.
12
49279
1851
No início os resultados eram previsíveis.
00:51
Even a supercomputer was beaten by a grandmaster
13
51130
2497
Mesmo um supercomputador perdia contra o grande mestre
00:53
with a relatively weak laptop.
14
53627
2312
com um laptop relativamente fraco.
00:55
The surprise came at the end. Who won?
15
55939
2985
A surpresa veio no final. Quem venceu?
00:58
Not a grandmaster with a supercomputer,
16
58924
2776
Não o grande mestre com um supercomputador,
01:01
but actually two American amateurs
17
61700
1493
mas na verdade dois amadores estadunidenses
01:03
using three relatively weak laptops.
18
63193
3822
com três laptops relativamente fracos.
01:07
Their ability to coach and manipulate their computers
19
67015
2596
A habilidade deles em instruir e manipular seus computadores,
01:09
to deeply explore specific positions
20
69611
2435
para explorar a fundo posições específicas
01:12
effectively counteracted the superior chess knowledge
21
72046
2390
agiu efetivamente contra o conhecimento superior sobre xadrez
01:14
of the grandmasters and the superior computational power
22
74436
2609
dos mestres e o poder da superioridade computacional
01:17
of other adversaries.
23
77045
1909
de outros adversários.
01:18
This is an astonishing result: average men,
24
78954
2905
Este é um resultado espantoso: homens comuns,
01:21
average machines beating the best man, the best machine.
25
81859
4081
máquinas comuns vencendo o melhor homem, a melhor máquina.
01:25
And anyways, isn't it supposed to be man versus machine?
26
85940
3199
Todavia, não deveria ser homem contra máquina?
01:29
Instead, it's about cooperation, and the right type of cooperation.
27
89139
4152
Em vez disso, trata-se de cooperação e o tipo certo de cooperação.
01:33
We've been paying a lot of attention to Marvin Minsky's
28
93291
2857
Nos últimos 50 anos viemos prestando muita atenção
01:36
vision for artificial intelligence over the last 50 years.
29
96148
3242
na visão de Marvin Minsky sobre a inteligência artificial.
01:39
It's a sexy vision, for sure. Many have embraced it.
30
99390
2262
É uma visão sexy, com certeza. Muitos a acolheram.
01:41
It's become the dominant school of thought in computer science.
31
101652
2753
Tornou-se a escola de pensamento dominante da ciência da computação.
01:44
But as we enter the era of big data, of network systems,
32
104405
3072
Mas ao entrarmos na era dos grandes dados, dos sistemas de redes,
01:47
of open platforms, and embedded technology,
33
107477
2698
das plataformas abertas e da tecnologia integrada,
01:50
I'd like to suggest it's time to reevaluate an alternative vision
34
110175
3392
eu sugeriria que está na hora de reavaliarmos uma visão alternativa
01:53
that was actually developed around the same time.
35
113567
3070
que na verdade foi desenvolvida no mesmo período.
01:56
I'm talking about J.C.R. Licklider's human-computer symbiosis,
36
116637
3332
Refiro-me à simbiose homem-computador de J. C. R. Licklider,
01:59
perhaps better termed "intelligence augmentation," I.A.
37
119969
3808
talvez melhor descrita como “ inteligência aumentada”.
02:03
Licklider was a computer science titan who had a profound
38
123777
2640
Licklider era um titã da ciência da computação e teve um profundo
02:06
effect on the development of technology and the Internet.
39
126417
3006
efeito no desenvolvimento da tecnologia e da Internet.
02:09
His vision was to enable man and machine to cooperate
40
129423
2868
Sua visão era possibilitar que homens e computadores cooperassem
02:12
in making decisions, controlling complex situations
41
132291
3590
na tomada de decisões, no controle de situações complexas
02:15
without the inflexible dependence
42
135881
1770
sem a dependência inflexível
02:17
on predetermined programs.
43
137651
2533
de programas predeterminados.
02:20
Note that word "cooperate."
44
140184
2498
Notem a palavra “cooperar”.
02:22
Licklider encourages us not to take a toaster
45
142682
2747
Licklider não nos encoraja pegar uma torradeira
02:25
and make it Data from "Star Trek,"
46
145429
2284
e fazer dela dados do “Star Trek”,
02:27
but to take a human and make her more capable.
47
147713
3535
mas sim utilizar um humano e fazê-lo mais capaz.
02:31
Humans are so amazing -- how we think,
48
151248
1911
Humanos são tão fantásticos – como nós pensamos,
02:33
our non-linear approaches, our creativity,
49
153159
2618
nossa abordagem não-linear, nossa criatividade,
02:35
iterative hypotheses, all very difficult if possible at all
50
155777
2131
as hipóteses interativas, tudo muito difícil senão impossível
02:37
for computers to do.
51
157908
1345
para os computadores fazerem.
02:39
Licklider intuitively realized this, contemplating humans
52
159253
2452
Licklider intuitivamente entendeu isto observando humanos e
02:41
setting the goals, formulating the hypotheses,
53
161705
2327
estabelecendo metas, formulando hipóteses,
02:44
determining the criteria, and performing the evaluation.
54
164032
3376
determinando critérios e fazendo avaliações.
02:47
Of course, in other ways, humans are so limited.
55
167408
1775
É claro, relativamente, os humanos são bem limitados.
02:49
We're terrible at scale, computation and volume.
56
169183
3235
Somos péssimos em dimensão, cálculo e volume.
02:52
We require high-end talent management
57
172418
1836
Necessitamos de talento de alto-nível de gerenciamento
02:54
to keep the rock band together and playing.
58
174254
2064
para mantermos a banda de rock unida e tocando.
02:56
Licklider foresaw computers doing all the routinizable work
59
176318
2204
Licklider previu que computadores fariam todo o trabalho rotineiro
02:58
that was required to prepare the way for insights and decision making.
60
178522
3276
necessário para preparar o acesso aos insights e às tomadas de decisões.
03:01
Silently, without much fanfare,
61
181798
2224
Silenciosamente, sem muito alarde,
03:04
this approach has been compiling victories beyond chess.
62
184022
3354
esta abordagem fez com que vitórias fossem possíveis além do xadrez.
03:07
Protein folding, a topic that shares the incredible expansiveness of chess —
63
187376
3356
A dobradura de proteínas, um assunto que tem a incrível e expansividade do xadrez –
03:10
there are more ways of folding a protein than there are atoms in the universe.
64
190732
3042
há mais formas de dobrar uma proteína do que o número de átomos no universo.
03:13
This is a world-changing problem with huge implications
65
193774
2353
Esse é um problema que pode mudar o mundo com grandes consequências
03:16
for our ability to understand and treat disease.
66
196127
2308
para a nossa capacidade de entender e tratar doenças.
03:18
And for this task, supercomputer field brute force simply isn't enough.
67
198435
4248
E para essa tarefa, somente a força bruta do supercomputador não é suficiente.
03:22
Foldit, a game created by computer scientists,
68
202683
2384
Foldit, um jogo criado por cientistas da computação,
03:25
illustrates the value of the approach.
69
205067
2502
ilustra o valor da abordagem.
03:27
Non-technical, non-biologist amateurs play a video game
70
207569
3041
Amadores, não-técnicos, não-biólogos jogam um videogame
03:30
in which they visually rearrange the structure of the protein,
71
210610
3073
no qual eles visualmente reorganizam a estrutura da proteína,
03:33
allowing the computer to manage the atomic forces
72
213683
1499
permitindo ao computador gerenciar forças atômicas,
03:35
and interactions and identify structural issues.
73
215182
2957
interações e identificar problemas de estrutura.
03:38
This approach beat supercomputers 50 percent of the time
74
218139
3023
Esse método derrota os supercomputadores 50% das vezes
03:41
and tied 30 percent of the time.
75
221162
2584
e empata 30% das vezes.
03:43
Foldit recently made a notable and major scientific discovery
76
223746
3137
Recentemente Foldit fez uma grande e notável descoberta científica
03:46
by deciphering the structure of the Mason-Pfizer monkey virus.
77
226883
3160
ao decifrar a estrutura do vírus do macaco Mason-Pfizer.
03:50
A protease that had eluded determination for over 10 years
78
230043
3015
Uma protease que se tenta desvendar há mais de dez anos
03:53
was solved was by three players in a matter of days,
79
233058
2626
foi descoberta por três jogadores numa questão de dias,
03:55
perhaps the first major scientific advance
80
235684
2025
talvez o primeiro grande avanço científico
03:57
to come from playing a video game.
81
237709
2323
advindo de uma partida de videogame.
04:00
Last year, on the site of the Twin Towers,
82
240032
2181
No ano passado, no local das Torres Gêmeas,
04:02
the 9/11 memorial opened.
83
242213
1473
foi inaugurado o memorial sobre o 11 de setembro.
04:03
It displays the names of the thousands of victims
84
243686
2721
Ele exibe os nomes de milhares de vítimas
04:06
using a beautiful concept called "meaningful adjacency."
85
246407
3063
usando um belo conceito chamado “adjacência significativa”.
04:09
It places the names next to each other based on their
86
249470
2166
Nomes são colocados uns ao lado dos outros baseados nas
04:11
relationships to one another: friends, families, coworkers.
87
251636
2213
suas relações: amigos, familiares, colegas de trabalho.
04:13
When you put it all together, it's quite a computational
88
253849
3028
Quando são colocados todos juntos, é um desafio computacional
04:16
challenge: 3,500 victims, 1,800 adjacency requests,
89
256877
4223
bem grande: 3.500 vítimas, 1.800 pedidos de adjacência,
04:21
the importance of the overall physical specifications
90
261100
3092
a importância das especificações físicas em geral
04:24
and the final aesthetics.
91
264192
2137
e o toque estético final.
04:26
When first reported by the media, full credit for such a feat
92
266329
2615
A primeira vez que foi noticiado pela mídia, todo o crédito dessa façanha
04:28
was given to an algorithm from the New York City
93
268944
1892
foi para o algoritmo projetado pela empresa Local Projects
04:30
design firm Local Projects. The truth is a bit more nuanced.
94
270836
4001
de Nova York. A verdade é um pouco mais sutil.
04:34
While an algorithm was used to develop the underlying framework,
95
274837
2871
Embora um algoritmo fosse usado para desenvolver a estrutura adjacente,
04:37
humans used that framework to design the final result.
96
277708
3008
humanos usaram esta estrutura para projetar o resultado final.
04:40
So in this case, a computer had evaluated millions
97
280716
2225
Então neste caso, um computador tinha avaliado milhões
04:42
of possible layouts, managed a complex relational system,
98
282941
3335
de formações possíveis, gerenciado um sistema relacional complexo,
04:46
and kept track of a very large set of measurements
99
286276
2414
e manteve o controle de um conjunto muito grande de medidas
04:48
and variables, allowing the humans to focus
100
288690
2410
e variáveis, permitindo que os humanos se concentrassem
04:51
on design and compositional choices.
101
291100
2802
no design e nas escolhas composicionais.
04:53
So the more you look around you,
102
293902
1036
Então, quanto mais você olha ao redor,
04:54
the more you see Licklider's vision everywhere.
103
294938
1962
mais você vê a visão de Licklider em toda parte.
04:56
Whether it's augmented reality in your iPhone or GPS in your car,
104
296900
3304
Quer se trate de realidade aumentada no iPhone ou no GPS em nossos carros,
05:00
human-computer symbiosis is making us more capable.
105
300204
2970
a simbiose entre homem e computador está nos fazendo mais capazes.
05:03
So if you want to improve human-computer symbiosis,
106
303174
1655
Então, se quisermos melhorar a simbiose homem-computador,
05:04
what can you do?
107
304829
1429
o que podemos fazer?
05:06
You can start by designing the human into the process.
108
306258
2452
Você pode começar incluindo o humano no processo.
05:08
Instead of thinking about what a computer will do to solve the problem,
109
308710
2204
Em vez de pensar no que o computador fará para resolver o problema,
05:10
design the solution around what the human will do as well.
110
310914
3869
crie a solução em torno do que o ser humano fará também.
05:14
When you do this, you'll quickly realize that you spent
111
314783
1937
Quando você faz isso, rapidamente percebe que gastou
05:16
all of your time on the interface between man and machine,
112
316720
2879
todo seu tempo na interface entre homem e máquina,
05:19
specifically on designing away the friction in the interaction.
113
319599
3099
especificamente para eliminar o atrito na interação.
05:22
In fact, this friction is more important than the power
114
322698
2766
Na verdade, esse atrito é mais importante do que o poder
05:25
of the man or the power of the machine
115
325464
2052
do ser humano ou o poder da máquina
05:27
in determining overall capability.
116
327516
1931
para determinar a capacidade total.
05:29
That's why two amateurs with a few laptops
117
329447
1977
É por isso que dois amadores com alguns laptops
05:31
handily beat a supercomputer and a grandmaster.
118
331424
2456
vencem facilmente um supercomputador e um grande mestre.
05:33
What Kasparov calls process is a byproduct of friction.
119
333880
3005
Aquilo que Kasparov chama de processo é um subproduto do atrito.
05:36
The better the process, the less the friction.
120
336885
2401
Melhor o processo, menor o atrito.
05:39
And minimizing friction turns out to be the decisive variable.
121
339286
4256
E a minimização do atrito passa a ser a variável decisiva.
05:43
Or take another example: big data.
122
343542
2243
Ou pegue outro exemplo: grandes volumes de dados.
05:45
Every interaction we have in the world is recorded
123
345785
1906
Cada interação que temos no mundo é registrada
05:47
by an ever growing array of sensors: your phone,
124
347691
3059
por uma série crescente de sensores: celulares,
05:50
your credit card, your computer. The result is big data,
125
350750
2373
cartões de crédito, computadores. Isto resulta em grandes volumes de dados,
05:53
and it actually presents us with an opportunity
126
353123
1742
o que, de fato, nos dá a oportunidade
05:54
to more deeply understand the human condition.
127
354865
2662
de entender a condição humana mais a fundo.
05:57
The major emphasis of most approaches to big data
128
357527
2305
A principal ênfase de muitas abordagens para grandes volumes de dados
05:59
focus on, "How do I store this data? How do I search
129
359832
2215
tem foco em: “Como armazenar esses dados? Como busco
06:02
this data? How do I process this data?"
130
362047
2276
esses dados? Como processo esses dados?”
06:04
These are necessary but insufficient questions.
131
364323
2204
Perguntas necessárias mas insuficientes.
06:06
The imperative is not to figure out how to compute,
132
366527
2471
O imperativo não é descobrir como computar
06:08
but what to compute. How do you impose human intuition
133
368998
2184
mas o que computar. Como colocar a intuição humana
06:11
on data at this scale?
134
371182
1791
em dados nessa dimensão?
06:12
Again, we start by designing the human into the process.
135
372973
3499
De novo, começamos por projetar o humano no processo.
06:16
When PayPal was first starting as a business, their biggest
136
376472
2812
Quando PayPal começou a operar como uma empresa, seu maior
06:19
challenge was not, "How do I send money back and forth online?"
137
379284
2804
desafio não era: “Como envio e recebo dinheiro na Internet?”
06:22
It was, "How do I do that without being defrauded by organized crime?"
138
382088
3872
Mas sim: “Como faço isso sem ser fraudado pelo crime organizado?”
06:25
Why so challenging? Because while computers can learn
139
385960
2088
Por que tal desafio? Porque embora computadores possam aprender
06:28
to detect and identify fraud based on patterns,
140
388048
3144
a detectar e identificar as fraudes a partir de padrões,
06:31
they can't learn to do that based on patterns
141
391192
1479
eles não podem fazê-lo com base em padrões
06:32
they've never seen before, and organized crime
142
392671
2116
nunca vistos antes, e o crime organizado
06:34
has a lot in common with this audience: brilliant people,
143
394787
2709
tem muito em comum com essa audência: pessoas brilhantes,
06:37
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
144
397496
3640
implacavelmente engenhosos, espíritos empreendedores – (Risos) –
06:41
and one huge and important difference: purpose.
145
401136
2712
e uma diferença enorme e importante: propósito.
06:43
And so while computers alone can catch all but the cleverest
146
403848
2832
Embora computadores possam detectar tudo exceto os criminosos
06:46
fraudsters, catching the cleverest is the difference
147
406680
2253
mais espertos, capturar o mais esperto faz a diferença
06:48
between success and failure.
148
408933
2545
entre o sucesso e o fracasso.
06:51
There's a whole class of problems like this, ones with
149
411478
2221
Há uma série de problemas como este, uns com
06:53
adaptive adversaries. They rarely if ever present with a
150
413699
2575
adversários adaptativos. Eles nunca ou raramente apresentam
06:56
repeatable pattern that's discernable to computers.
151
416274
2736
um padrão repetitivo que os computadores possam distinguir.
06:59
Instead, there's some inherent component of innovation or disruption,
152
419010
3993
Em vez disso, há alguns componentes inerentes de inovação ou de perturbação,
07:03
and increasingly these problems are buried in big data.
153
423003
2735
que ficam cada vez mais escondidos no grande volume de dados.
07:05
For example, terrorism. Terrorists are always adapting
154
425738
2500
Por exemplo, terrorismo. Os terroristas estão sempre se adaptando
07:08
in minor and major ways to new circumstances, and despite
155
428238
2052
às novas circunstâncias, e apesar
07:10
what you might see on TV, these adaptations,
156
430290
3094
do que vocês vêem na TV, estas adaptações
07:13
and the detection of them, are fundamentally human.
157
433384
2293
e suas detecções são fundamentalmente humanas.
07:15
Computers don't detect novel patterns and new behaviors,
158
435677
3117
Computadores não detectam padrões originais e novos comportamentos,
07:18
but humans do. Humans, using technology, testing hypotheses,
159
438794
3235
mas os humanos sim. Eles usam tecnologia, testam hipóteses,
07:22
searching for insight by asking machines to do things for them.
160
442029
4620
buscam ideias pedindo às máquinas para fazer coisas para eles.
07:26
Osama bin Laden was not caught by artificial intelligence.
161
446649
2320
Osama bin Laden não foi capturado com inteligência artificial.
07:28
He was caught by dedicated, resourceful, brilliant people
162
448969
2553
Mas sim por pessoas dedicadas, engenhosas, brilhantes
07:31
in partnerships with various technologies.
163
451522
4269
em colaboração com várias tecnologias.
07:35
As appealing as it might sound, you cannot algorithmically
164
455791
2818
Por mais atraente que possa parecer, não podemos algoritmicamente
07:38
data mine your way to the answer.
165
458609
1601
minerar dados para obter resultados.
07:40
There is no "Find Terrorist" button, and the more data
166
460210
2855
Não existe um botão “Ache Terroristas” e, quanto mais dados,
07:43
we integrate from a vast variety of sources
167
463065
2302
provenientes de diversas fontes, nós integrarmos
07:45
across a wide variety of data formats from very
168
465367
2133
através de uma variedade ampla de formatos e
07:47
disparate systems, the less effective data mining can be.
169
467500
3309
de sistemas muito diversos, menos eficaz é a extração de dados.
07:50
Instead, people will have to look at data
170
470809
2024
Em vez disso, as pessoas terão que examinar os dados
07:52
and search for insight, and as Licklider foresaw long ago,
171
472833
3456
e procurar indícios, e como Licklider previu há tempos,
07:56
the key to great results here is the right type of cooperation,
172
476289
2685
a chave para se obter grandes resultados está no tipo certo de cooperação,
07:58
and as Kasparov realized,
173
478974
1524
e como Kasparov percebeu,
08:00
that means minimizing friction at the interface.
174
480498
3031
isso significa minimizar atritos na interface.
08:03
Now this approach makes possible things like combing
175
483529
2758
Essa abordagem possibilita coisas como procurar
08:06
through all available data from very different sources,
176
486287
3386
em todos dados disponíveis de fontes diversas,
08:09
identifying key relationships and putting them in one place,
177
489673
2792
identificar as relações fundamentais e as colocar em um lugar,
08:12
something that's been nearly impossible to do before.
178
492465
2928
algo quase impossível de se realizar antes.
08:15
To some, this has terrifying privacy and civil liberties
179
495393
1942
Para algumas pessoas, isso tem implicações terríveis para
08:17
implications. To others it foretells of an era of greater
180
497335
3410
a privacidade e a liberdade civil. Para outros isso prediz uma era de
08:20
privacy and civil liberties protections,
181
500745
1909
proteção às mesmas,
08:22
but privacy and civil liberties are of fundamental importance.
182
502654
2936
mas privacidade e liberdade civil são de importância fundamental.
08:25
That must be acknowledged, and they can't be swept aside,
183
505590
2193
Isto precisa ser reconhecido, elas não podem ser negligenciadas,
08:27
even with the best of intents.
184
507783
2530
mesmo com a melhor das intenções.
08:30
So let's explore, through a couple of examples, the impact
185
510313
2518
Vamos explorar esses dois exemplos. O impacto
08:32
that technologies built to drive human-computer symbiosis
186
512831
2406
que as tecnologias criadas para acionar a simbiose homem-computador
08:35
have had in recent time.
187
515237
2919
têm tido recentemente.
08:38
In October, 2007, U.S. and coalition forces raided
188
518156
3416
Em outubro de 2007, os EUA e as forças da coalizão invadiram
08:41
an al Qaeda safe house in the city of Sinjar
189
521572
2416
um esconderijo do al-Qaeda na cidade de Sinjar,
08:43
on the Syrian border of Iraq.
190
523988
1934
na fronteira entre a Síria e o Iraque.
08:45
They found a treasure trove of documents:
191
525922
2376
Eles encontraram valiosos documentos escondidos :
08:48
700 biographical sketches of foreign fighters.
192
528298
2335
700 notas biográficas de combatentes estrangeiros.
08:50
These foreign fighters had left their families in the Gulf,
193
530633
2584
Esses combatentes tinham deixado suas famílias no Golfo,
08:53
the Levant and North Africa to join al Qaeda in Iraq.
194
533217
3146
na região do Levante e no norte da África para juntarem-se a al-Qaeda no Iraque.
08:56
These records were human resource forms.
195
536363
1616
Essas fichas eram formulários de recursos humanos.
08:57
The foreign fighters filled them out as they joined the organization.
196
537979
2855
Os combatentes estrangeiros os preenchiam quando se associavam à organização.
09:00
It turns out that al Qaeda, too,
197
540834
1211
Acontece que al-Qaeda, também,
09:02
is not without its bureaucracy. (Laughter)
198
542045
2597
não escapa da burocracia. (Risos)
09:04
They answered questions like, "Who recruited you?"
199
544642
2098
Eles respondiam a esse tipo de pergunta: “Quem os recrutou?”
09:06
"What's your hometown?" "What occupation do you seek?"
200
546740
2854
“Qual a sua cidade natal?” “Que cargo quer?”
09:09
In that last question, a surprising insight was revealed.
201
549594
3169
A última pergunta foi uma revelação surpreendente.
09:12
The vast majority of foreign fighters
202
552763
2400
A vasta maioria dos combatentes estrangeiros
09:15
were seeking to become suicide bombers for martyrdom --
203
555163
2400
queria ser homens-bombas para o martírio –
09:17
hugely important, since between 2003 and 2007, Iraq
204
557563
4338
muito importante entre 2003 e 2007, o Iraque
09:21
had 1,382 suicide bombings, a major source of instability.
205
561901
4244
tinha 1.382 homens-bomba, uma fonte de instabilidade importante.
09:26
Analyzing this data was hard. The originals were sheets
206
566145
2058
Esses dados eram difíceis de analisar. Os originais eram papéis
09:28
of paper in Arabic that had to be scanned and translated.
207
568203
2742
em árabe que tinham que ser escaneados e traduzidos.
09:30
The friction in the process did not allow for meaningful
208
570945
2192
A complexidade do processo não gerou resultados significativos
09:33
results in an operational time frame using humans, PDFs
209
573137
3350
dentro de um prazo razoável usando humanos, PDFs
09:36
and tenacity alone.
210
576487
2218
e perseverança.
09:38
The researchers had to lever up their human minds
211
578705
1953
Os pesquisadores tiveram que forçar suas mentes
09:40
with technology to dive deeper, to explore non-obvious
212
580658
2345
com a ajuda da tecnologia para mergulhar a fundo, explorar hipóteses
09:43
hypotheses, and in fact, insights emerged.
213
583003
3218
não-óbvias, e de fato, indícios surgiram.
09:46
Twenty percent of the foreign fighters were from Libya,
214
586221
2644
20% dos combatentes estrangeiros eram da Líbia,
09:48
50 percent of those from a single town in Libya,
215
588865
2968
50% deles eram de uma única cidade da Líbia,
09:51
hugely important since prior statistics put that figure at
216
591833
2450
extremamente importante já que estatísticas anteriores tinham mostrado
09:54
three percent. It also helped to hone in on a figure
217
594283
2383
3%. Isso também ajudou a focar em uma pessoa
09:56
of rising importance in al Qaeda, Abu Yahya al-Libi,
218
596666
2977
de importância crescente no al-Quaeda, Abu Yahya al-Libi,
09:59
a senior cleric in the Libyan Islamic fighting group.
219
599643
2631
um clérigo sênior do Grupo de Combatentes Islâmicos da Líbia.
10:02
In March of 2007, he gave a speech, after which there was
220
602274
2664
Em março de 2007, ele deu uma palestra que gerou
10:04
a surge in participation amongst Libyan foreign fighters.
221
604938
3466
uma onda de participação de combatentes estrangeiros da Líbia.
10:08
Perhaps most clever of all, though, and least obvious,
222
608404
3106
Porém, talvez o mais inteligente de tudo e menos óbvio,
10:11
by flipping the data on its head, the researchers were
223
611510
2073
é que ao reverter os dados, os pesquisadores conseguiram
10:13
able to deeply explore the coordination networks in Syria
224
613583
2900
explorar a fundo as redes de coordenação na Síria
10:16
that were ultimately responsible for receiving and
225
616483
2517
que eram responsáveis pelo recebimento e
10:19
transporting the foreign fighters to the border.
226
619000
2464
transporte de combatentes estrangeiros para a fronteira.
10:21
These were networks of mercenaries, not ideologues,
227
621464
2633
Essas eram redes de mercenários, não de ideólogos,
10:24
who were in the coordination business for profit.
228
624097
2398
que estavam no ramo de coordenação para fins lucrativos.
10:26
For example, they charged Saudi foreign fighters
229
626495
1904
Por exemplo, eles cobravam dos combatentes da Saudi Arabia muito mais
10:28
substantially more than Libyans, money that would have
230
628399
2199
do que dos da Líbia, fundos que poderiam ter ido
10:30
otherwise gone to al Qaeda.
231
630598
2320
para a al-Qaeda.
10:32
Perhaps the adversary would disrupt their own network
232
632918
2045
Talvez os adversários interrompessem sua própria rede
10:34
if they knew they cheating would-be jihadists.
233
634963
3035
se soubessem que estavam enganando supostos jihadistas.
10:37
In January, 2010, a devastating 7.0 earthquake struck Haiti,
234
637998
3745
Em janeiro de 2010 um terremoto devastador de 7.0 atingiu o Haiti,
10:41
third deadliest earthquake of all time, left one million people,
235
641743
2916
o terceiro mais desastroso de todos os tempos, deixou 1 milhão de pessoas,
10:44
10 percent of the population, homeless.
236
644659
2584
10% da população, sem casa.
10:47
One seemingly small aspect of the overall relief effort
237
647243
3137
Um aspecto aparentemente irrelevante de todo o esforço da ajuda humanitária
10:50
became increasingly important as the delivery of food
238
650380
2176
tornou-se cada vez mais importante quando comida
10:52
and water started rolling.
239
652556
2160
e água começaram a chegar.
10:54
January and February are the dry months in Haiti,
240
654716
1458
Janeiro e fevereiro são os meses secos no Haiti,
10:56
yet many of the camps had developed standing water.
241
656174
2942
No entanto, muitos dos acampamentos tinham água estagnada.
10:59
The only institution with detailed knowledge of Haiti's
242
659116
2122
A única instituição com conhecimento detalhado das planícies
11:01
floodplains had been leveled
243
661238
1297
do Haiti havia sido destruída
11:02
in the earthquake, leadership inside.
244
662535
3008
no terremoto, incluindo sua chefia.
11:05
So the question is, which camps are at risk,
245
665543
2575
Então, quais são as áreas de risco,
11:08
how many people are in these camps, what's the
246
668118
1921
quantas pessoas estão nestas áreas, qual é a linha do
11:10
timeline for flooding, and given very limited resources
247
670039
2311
tempo para as enchentes, e considerando que os recursos e a infra-estrutura
11:12
and infrastructure, how do we prioritize the relocation?
248
672350
3384
são muito limitados, como priorizar a realocação?
11:15
The data was incredibly disparate. The U.S. Army had
249
675734
2344
Os dados eram disparatados. O exército estadunidense só tinha
11:18
detailed knowledge for only a small section of the country.
250
678078
2929
conhecimento detalhado de uma parte pequena do país.
11:21
There was data online from a 2006 environmental risk
251
681007
2511
Havia dados na Internet de uma conferência em 2006 sobre
11:23
conference, other geospatial data, none of it integrated.
252
683518
2664
riscos ao meio ambiente, outros dados geoespaciais, nada disso integrado.
11:26
The human goal here was to identify camps for relocation
253
686182
2958
O objetivo aqui era identificar acampamentos para realocação
11:29
based on priority need.
254
689140
2395
baseado na prioridade necessária.
11:31
The computer had to integrate a vast amount of geospacial
255
691535
2440
O computador teve que integrar uma quantidade vasta de informação
11:33
information, social media data and relief organization
256
693975
2584
geoespacial, dados de mídia social e informação das organizações humanitárias
11:36
information to answer this question.
257
696559
3480
para poder responder à esta pergunta.
11:40
By implementing a superior process, what was otherwise
258
700039
2415
A implementação de um processo de alto nível, o que seria de outra forma
11:42
a task for 40 people over three months became
259
702454
2608
uma tarefa para 40 pessoas durante 3 meses, tornou-se
11:45
a simple job for three people in 40 hours,
260
705062
3176
um trabalho simples para 3 pessoas em 40 horas,
11:48
all victories for human-computer symbiosis.
261
708238
2628
tudo vitórias para a simbiose homem-computador.
11:50
We're more than 50 years into Licklider's vision
262
710866
2054
Já são mais de 50 anos desde que Licklider teve a visão
11:52
for the future, and the data suggests that we should be
263
712920
2242
do futuro, e os dados sugerem que devíamos estar muito
11:55
quite excited about tackling this century's hardest problems,
264
715162
3030
entusiasmados para enfrentar os problemas mais duros deste século,
11:58
man and machine in cooperation together.
265
718192
2947
homem e máquina trabalhando juntos.
12:01
Thank you. (Applause)
266
721139
2197
Obrigado. (Aplausos)
12:03
(Applause)
267
723336
2505
(Aplausos)
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