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

Tim Berners-Lee: Bir Sonraki Ağ Üzerine

441,970 views ・ 2009-03-13

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Gani Simsek Gözden geçirme: osman oguz ahsen
00:18
Time flies.
0
18330
2000
Zaman akıyor.
00:20
It's actually almost 20 years ago
1
20330
2000
Bilgiyi kullanma ve birlikte çalışma
00:22
when I wanted to reframe the way we use information,
2
22330
4000
yolumuzu yeniden düzenlemek için Dünya Çapında Ağ'ı
00:26
the way we work together: I invented the World Wide Web.
3
26330
3000
icat etmemin üzerinden neredeyse 20 yıl geçmiş.
00:29
Now, 20 years on, at TED,
4
29330
3000
Şimdi, 20 yıl sonra, TED'de
00:32
I want to ask your help in a new reframing.
5
32330
4000
yeni bir düzenleme için yardımınızı istiyorum.
00:37
So going back to 1989,
6
37330
4000
1989'a döndüğümüzde, ben
00:41
I wrote a memo suggesting the global hypertext system.
7
41330
3000
global hipermetin sistemini öneren bir bildiri yazdım.
00:44
Nobody really did anything with it, pretty much.
8
44330
3000
Neredeyse hiç kimse ilgilenmedi.
00:47
But 18 months later -- this is how innovation happens --
9
47330
4000
Fakat, 18 ay sonra -- ki yenilikler böyle olur --
00:51
18 months later, my boss said I could do it on the side,
10
51330
4000
18 ay sonra, patronum, bunu yeni bilgisayarımız üzerinde
00:55
as a sort of a play project,
11
55330
2000
test etmek için, bir tür
00:57
kick the tires of a new computer we'd got.
12
57330
2000
yan uğraş olarak yapabileceğimi söyledi.
00:59
And so he gave me the time to code it up.
13
59330
3000
Ve bana onu kodlamam için zaman tanıdı.
01:02
So I basically roughed out what HTML should look like:
14
62330
5000
Temelde HTML'in nasıl olması gerektiğini karaladım,
01:07
hypertext protocol, HTTP;
15
67330
3000
hipermetin protokolü -- HTTP --
01:10
the idea of URLs, these names for things
16
70330
3000
URL'ler fikri -- şeyler için isimler
01:13
which started with HTTP.
17
73330
2000
HTTP ile başladı.
01:15
I wrote the code and put it out there.
18
75330
2000
Kodu yazdım ve ortaya koydum.
01:17
Why did I do it?
19
77330
2000
Neden yaptım?
01:19
Well, it was basically frustration.
20
79330
2000
Aslında temeli kafa karışıklığıydı.
01:21
I was frustrated -- I was working as a software engineer
21
81330
4000
Kafam karışmıştı -- O ilginç ve kocaman laboratuvarda
01:25
in this huge, very exciting lab,
22
85330
2000
bir yazılım mühendisiydim,
01:27
lots of people coming from all over the world.
23
87330
2000
dünyanın her yanından birçok insan geliyordu.
01:29
They brought all sorts of different computers with them.
24
89330
3000
Her türden farklı bilgisayarları kendileriyle getiriyorlardı.
01:32
They had all sorts of different data formats,
25
92330
3000
Herbirinin farklı veri formatları vardı.
01:35
all sorts, all kinds of documentation systems.
26
95330
2000
Her türden farklı dökümantasyon sistemleri.
01:37
So that, in all that diversity,
27
97330
3000
Tüm bu çeşitlilik içinde
01:40
if I wanted to figure out how to build something
28
100330
2000
ne zaman bir parça şundan bir parça bundan
01:42
out of a bit of this and a bit of this,
29
102330
2000
bir şeyler oluşturmak istesem
01:44
everything I looked into, I had to connect to some new machine,
30
104330
4000
baktığım her şeyde, yeni bir makineye bağlanmak, yeni bir programın
01:48
I had to learn to run some new program,
31
108330
2000
nasıl çalışacağını öğrenmek zorundaydım,
01:50
I would find the information I wanted in some new data format.
32
110330
5000
bana gereken bilgiyi farklı bir veri formatında buluyordum.
01:55
And these were all incompatible.
33
115330
2000
Ve hepsi birbiriyle uyumsuzdu.
01:57
It was just very frustrating.
34
117330
2000
Çok sinir bozucuydu.
01:59
The frustration was all this unlocked potential.
35
119330
2000
Tüm bu kafa karışıklığı bu potansiyelin kilidini açtı.
02:01
In fact, on all these discs there were documents.
36
121330
3000
Aslında tüm o disklerin üzerinde dokümanlar vardı.
02:04
So if you just imagined them all
37
124330
3000
Yani hepsinin uzayda, büyük,
02:07
being part of some big, virtual documentation system in the sky,
38
127330
5000
sanal bir dokümantasyon sisteminin, farz edin ki internetin,
02:12
say on the Internet,
39
132330
2000
bir parçası olduğunu
02:14
then life would be so much easier.
40
134330
2000
düşünürseniz, hayat daha kolay olurdu.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
136330
4000
Aklınıza böyle bir fikir girdikten sonra rahat durmanız mümkün değil
02:20
and even if people don't read your memo --
42
140330
2000
hatta insanlar bildirinizi okumasa bile --
02:22
actually he did, it was found after he died, his copy.
43
142330
3000
aslında okudu, o öldükten sonra onun kopyası bulundu.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
145330
3000
Köşeye şöyle yazmıştı: "Muğlak, ama heyecan verici".
02:28
(Laughter)
45
148330
2000
(Gülüşmeler)
02:30
But in general it was difficult -- it was really difficult to explain
46
150330
4000
Ama genelde zordu, ağın neye benzediğini açıklamak
02:34
what the web was like.
47
154330
2000
gerçekten zordu.
02:36
It's difficult to explain to people now that it was difficult then.
48
156330
2000
Şimdilerde insanlara anlatmak ne kadar zorsa o zaman da öyleydi.
02:38
But then -- OK, when TED started, there was no web
49
158330
3000
Fakat yine de -- pekala, TED başladığında ağ yoktu
02:41
so things like "click" didn't have the same meaning.
50
161330
3000
Tıklamak gibi şeyler bir anlam ifade etmiyordu.
02:44
I can show somebody a piece of hypertext,
51
164330
2000
Birine bir hipermetin gösterebilirim,
02:46
a page which has got links,
52
166330
2000
linkleri olan bir sayfa,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
168330
4000
ve linke tıkladığımızda, hop -- başka bir hipermetin sayfası açılır.
02:52
Not impressive.
54
172330
2000
Etkileyici değil.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
174330
3000
Biliyorsunuz biz bunu daha önce gördük, CDler üzerinde hipermetin vardı.
02:57
What was difficult was to get them to imagine:
56
177330
3000
Zor olan onları şöyle hayal etmekti.
03:00
so, imagine that that link could have gone
57
180330
4000
Farz edin ki bu bağlantı gerçekte
03:04
to virtually any document you could imagine.
58
184330
2000
aklınıza gelebilecek her dokümanda olabilsin.
03:07
Alright, that is the leap that was very difficult for people to make.
59
187330
4000
Pekala, işte insanlar için yapması çok zor olan sıçrayış buydu.
03:11
Well, some people did.
60
191330
2000
Doğrusu, bazıları yaptı.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
193330
3000
Buna rağmen, evet, açıklaması zordu ama tabandan gelen bir hareket vardı.
03:17
And that is what has made it most fun.
62
197330
4000
İşte onu eğlenceli yapan buydu.
03:21
That has been the most exciting thing,
63
201330
2000
En heyecanlı kısmı buydu,
03:23
not the technology, not the things people have done with it,
64
203330
2000
teknolojinin kendisi değil, insanların o teknolojiyle yaptıkları değil,
03:25
but actually the community, the spirit of all these people
65
205330
2000
aslında topluluktu, biraraya gelen, epostalar yollayan
03:27
getting together, sending the emails.
66
207330
2000
tüm o insanların şevkiydi.
03:29
That's what it was like then.
67
209330
2000
O zamanlar böyleydi.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
211330
3000
Biliyor musunuz? Çok komik, ama şimdi durum yine aynen öyle.
03:34
I asked everybody, more or less, to put their documents --
69
214330
2000
Aşağı yukarı herkese, dokümanlarını koymalarını söyledim --
03:36
I said, "Could you put your documents on this web thing?"
70
216330
3000
Dedim ki "Dokümanlarını internete koyar mısınız?"
03:39
And you did.
71
219330
3000
Ve koydunuz.
03:42
Thanks.
72
222330
1000
Teşekkürler.
03:43
It's been a blast, hasn't it?
73
223330
2000
Harika zamanlardı, değil mi?
03:45
I mean, it has been quite interesting
74
225330
2000
Demek istediğim, çok ilginçti
03:47
because we've found out that the things that happen with the web
75
227330
2000
çünkü internetle birlikte olanlar bizi gerçekten
03:49
really sort of blow us away.
76
229330
2000
son derece şaşırttı.
03:51
They're much more than we'd originally imagined
77
231330
2000
Başladığımız ilk web sitesini açtıktan sonra
03:53
when we put together the little, initial website
78
233330
2000
olanlar aslen hayal ettiğimizden
03:55
that we started off with.
79
235330
2000
çok daha fazlasıydı.
03:57
Now, I want you to put your data on the web.
80
237330
3000
Şimdi verilerinizi internete koymanızı istiyorum.
04:00
Turns out that there is still huge unlocked potential.
81
240330
4000
Görünen o ki halen açılmayı bekleyen büyük bir potansiyel var.
04:04
There is still a huge frustration
82
244330
2000
Halen insanların kafası çok karışık
04:06
that people have because we haven't got data on the web as data.
83
246330
4000
çünkü internete koyduğumuz veri veri değil
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
250330
2000
Ne demek bu şimdi? Fark nedir -- dokümanlar, veri?
04:12
Well, documents you read, OK?
85
252330
3000
Dokümanları okursunuz, değil mi?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
255330
3000
Öyle ya da böyle, okursunuz, üzerlerine takip linkleri koyarsınız ve bundan ibarettir.
04:18
Data -- you can do all kinds of stuff with a computer.
87
258330
2000
Veri -- bilgisayarla her türlü şeyi yapabilirsiniz.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
260330
6000
İçinizden kimler Hans Rosling'in konuşmasını duydu veya izledi?
04:26
One of the great -- yes a lot of people have seen it --
89
266330
4000
Çok harika -- evet bir çok insan onu görmüş --
04:30
one of the great TED Talks.
90
270330
2000
çok harika bir TED konuşmasıdır.
04:32
Hans put up this presentation
91
272330
2000
Hans bir sunum yaptı,
04:34
in which he showed, for various different countries, in various different colors --
92
274330
5000
o sunumda farklı ülkeler için farklı renklerde
04:39
he showed income levels on one axis
93
279330
3000
bir eksende gelir düzeylerini
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
282330
3000
diğerinde bebek ölümlerini ve bunların zaman içindeki değişimini gösterdi.
04:45
So, he'd taken this data and made a presentation
95
285330
4000
Yani o veri topladı ve bir sunum yaptı
04:49
which just shattered a lot of myths that people had
96
289330
3000
ve bu sunum insanların gelişen dünya ekonomisi ile
04:52
about the economics in the developing world.
97
292330
4000
ilgili fikirlerini yerle bir etti.
04:56
He put up a slide a little bit like this.
98
296330
2000
Buna benzer bir şeydi.
04:58
It had underground all the data
99
298330
2000
Tabanında sadece veriler vardı.
05:00
OK, data is brown and boxy and boring,
100
300330
3000
Veri kahverengi, kutu gibi ve sıkıcıdır,
05:03
and that's how we think of it, isn't it?
101
303330
2000
ve biz onu öyle görüyoruz, değil mi?
05:05
Because data you can't naturally use by itself
102
305330
3000
Çünkü doğal olarak veriyi olduğu haliyle kullanamazsınız.
05:08
But in fact, data drives a huge amount of what happens in our lives
103
308330
4000
Fakat aslında, veriler hayatımızda olan biten çok şeyi yönlendirir
05:12
and it happens because somebody takes that data and does something with it.
104
312330
3000
ve öyle olur çünkü birileri bu veriyi alır ve onunla bir şeyler yapar.
05:15
In this case, Hans had put the data together
105
315330
2000
Bu durumda Hans, Birleşik Devletlerdeki
05:17
he had found from all kinds of United Nations websites and things.
106
317330
5000
birçok siteden ve ordan burdan bu verileri toplayıp bir araya getirdi.
05:22
He had put it together,
107
322330
2000
Onları bir araya koydu,
05:24
combined it into something more interesting than the original pieces
108
324330
3000
ve orijinal bileşenlerinden daha ilginç bir şey oluşturdu
05:27
and then he'd put it into this software,
109
327330
5000
ve onu sanırım ilk kez oğlunun
05:32
which I think his son developed, originally,
110
332330
2000
geliştirdiği bu yazılımın içine koydu,
05:34
and produces this wonderful presentation.
111
334330
3000
ve o harika sunumu üretti.
05:37
And Hans made a point
112
337330
2000
Ve Hans bir noktaya değindi
05:39
of saying, "Look, it's really important to have a lot of data."
113
339330
4000
"Bakın, birçok verinin olması gerçekten önemlidir."
05:43
And I was happy to see that at the party last night
114
343330
3000
Ve geçen akşamki partide onu gördüğümde onun halen,
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
346330
4000
zorla da olsa, "Birçok verinin olması gerçekten önemlidir" demesi beni mutlu etti.
05:50
So I want us now to think about
116
350330
2000
Şimdi kafa yormanızı istediğim şey,
05:52
not just two pieces of data being connected, or six like he did,
117
352330
4000
iki parça veya O'nun yaptığı gibi altı parça verinin bağlanması değil,
05:56
but I want to think about a world where everybody has put data on the web
118
356330
5000
düşünmek istediğim, herkesin internete veri koyduğu bir dünya
06:01
and so virtually everything you can imagine is on the web
119
361330
2000
ve böylece aslında aklınıza gelen her şeyin internette olması,
06:03
and then calling that linked data.
120
363330
2000
ve buna "bağlı veri" demektir.
06:05
The technology is linked data, and it's extremely simple.
121
365330
2000
Teknoloji bağlı veridir ve son derece basittir.
06:07
If you want to put something on the web there are three rules:
122
367330
4000
Eğer internete bir şey koymak istiyorsanız, üç kural var:
06:11
first thing is that those HTTP names --
123
371330
3000
ilki, bu HTTP isimleri --
06:14
those things that start with "http:" --
124
374330
2000
"http:" ile başlayan o şeyler --
06:16
we're using them not just for documents now,
125
376330
4000
artık onları sadece dokümanlar için değil,
06:20
we're using them for things that the documents are about.
126
380330
2000
dokümanların ne hakkında olduğu için de kullanacağız.
06:22
We're using them for people, we're using them for places,
127
382330
2000
Onları insanlar için ve mekanlar için kullanacağız,
06:24
we're using them for your products, we're using them for events.
128
384330
4000
ürünler için kullanacağız, etkinlikler için kullanacağız.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
388330
4000
Tüm kavramsal şeyler, onların artık HTTP ile başlayan isimleri olacak.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
392330
5000
İkinci kural, eğer ben bu HTTP isimlerinden birini alıp, arayıp
06:37
and I do the web thing with it and I fetch the data
131
397330
2000
ve onunla bağlama şeyini yapıp ve veriyi
06:39
using the HTTP protocol from the web,
132
399330
2000
HTTP protokolünü kullanarak alırsam
06:41
I will get back some data in a standard format
133
401330
3000
standart formatta bir veri elde edeceğim
06:44
which is kind of useful data that somebody might like to know
134
404330
5000
ve bu birilerinin bu şey, bu etkinlik hakkında bilmek isteyeceği
06:49
about that thing, about that event.
135
409330
2000
işe yarar bir veri olacak.
06:51
Who's at the event? Whatever it is about that person,
136
411330
2000
Kim vardı etkinlikte? O kişinin nerede doğduğu
06:53
where they were born, things like that.
137
413330
2000
gibi ne kadar veri filan varsa.
06:55
So the second rule is I get important information back.
138
415330
2000
Yani ikinci kural bilgiyi geri alıyorum.
06:57
Third rule is that when I get back that information
139
417330
4000
Üçüncü kural, ben bu bilgiyi geri aldığımda
07:01
it's not just got somebody's height and weight and when they were born,
140
421330
3000
o sadece birinin boyu, kilosu ve nerede doğduğu bilgisinden ibaret değil,
07:04
it's got relationships.
141
424330
2000
onun bağları olmalı.
07:06
Data is relationships.
142
426330
2000
Veriler bağlardır.
07:08
Interestingly, data is relationships.
143
428330
2000
İlginç biçimde, veriler bağlardır.
07:10
This person was born in Berlin; Berlin is in Germany.
144
430330
4000
Bu kişi Berlin'de doğdu, Berlin Almanya'da.
07:14
And when it has relationships, whenever it expresses a relationship
145
434330
3000
Ve bağlar olduğunda, ne zaman bir bağ bilgisi içerse
07:17
then the other thing that it's related to
146
437330
3000
bağlı olduğu diğer şeyin de
07:20
is given one of those names that starts HTTP.
147
440330
4000
bu HTTP ile başlayan bir ismi olmalıdır.
07:24
So, I can go ahead and look that thing up.
148
444330
2000
Yani gidip bu şeyi arayabilmeliyim.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
446330
3000
Böyle bir insanı aradığımda -- doğduğu ili, ilin içinde olduğu bölgeyi
07:29
I can look up the region it's in, and the town it's in,
150
449330
3000
ilin ilçesini ve il nüfusunu,
07:32
and the population of it, and so on.
151
452330
3000
ve benzeri şeyleri arayabilirim.
07:35
So I can browse this stuff.
152
455330
2000
Yani şeyleri tarayabilirim.
07:37
So that's it, really.
153
457330
2000
Aslında bundan ibaret.
07:39
That is linked data.
154
459330
2000
Bu bağlı veridir.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
461330
3000
Birkaç yıl önce "Bağlı Veri" başlıklı bir makale yazdım
07:44
and soon after that, things started to happen.
156
464330
4000
ve ondan sonra bir şeyler olmaya başladı.
07:48
The idea of linked data is that we get lots and lots and lots
157
468330
4000
Bağlı veri fikri, Hans gibi bizim de bu kutulara
07:52
of these boxes that Hans had,
158
472330
2000
ve onlardan filizlenen
07:54
and we get lots and lots and lots of things sprouting.
159
474330
2000
çok ama birçok şeylere sahip olduğumuzdur.
07:56
It's not just a whole lot of other plants.
160
476330
3000
Sadece diğer bitkilerden bir demet değildir.
07:59
It's not just a root supplying a plant,
161
479330
2000
Sadece filizlenen bir fidan değildir,
08:01
but for each of those plants, whatever it is --
162
481330
3000
fakat tüm bu bitkiler, onlar her neyse artık,
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
484330
3000
bir sunum, bir analiz, birilerinin veride kalıplar araması --
08:07
they get to look at all the data
164
487330
3000
onların tüm veriye bakmaları
08:10
and they get it connected together,
165
490330
2000
ve onları bir araya getirmeleri,
08:12
and the really important thing about data
166
492330
2000
ve veriyle ilgili en önemli şey,
08:14
is the more things you have to connect together, the more powerful it is.
167
494330
2000
ne kadar çok bir araya getirirseniz, o kadar güçlü olduğudur.
08:16
So, linked data.
168
496330
2000
İşte, bağlı veri.
08:18
The meme went out there.
169
498330
2000
Bu mem öylece yayıldı.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
500330
4000
Bir süre sonra Berlindeki Freie Üniversitesi'nden
08:24
who was one of the first people to put interesting things up,
171
504330
2000
ilginç şeyleri dile getiren ilk kişilerden biri olan Chris Bizer,
08:26
he noticed that Wikipedia --
172
506330
2000
Vikipedi'yi fark etti --
08:28
you know Wikipedia, the online encyclopedia
173
508330
3000
Vikipedi'yi bilirsiniz, çevrimiçi ansiklopedi
08:31
with lots and lots of interesting documents in it.
174
511330
2000
onun içinde birçok ilginç dokümanlar var.
08:33
Well, in those documents, there are little squares, little boxes.
175
513330
4000
Bu dokümanların içinde, ufak kareler var, ufak kutucuklar.
08:37
And in most information boxes, there's data.
176
517330
3000
Ve bilgi kutucuklarının çoğunda veriler var.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
520330
4000
Ve O Vikipedi'den bu verileri toplayan bir program yazdı
08:44
and put it into a blob of linked data
178
524330
2000
ve onu internette dbpedia adını verdiği
08:46
on the web, which he called dbpedia.
179
526330
3000
bir bağlı veri havuzuna koydu
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
529330
4000
Dbpedia bu slaytın ortasındaki mavi damla ile gösterilmiştir
08:53
and if you actually go and look up Berlin,
181
533330
2000
ve eğer gerçekten gidip Berlin'i ararsanız,
08:55
you'll find that there are other blobs of data
182
535330
2000
başka veri damlaları olduğunu görürsünüz
08:57
which also have stuff about Berlin, and they're linked together.
183
537330
3000
ve onlarda da Berlin hakkında şeyler var ve birbirine bağlılar.
09:00
So if you pull the data from dbpedia about Berlin,
184
540330
3000
Yani eğer Dbpedia'dan Berlin hakkında veri çekerseniz
09:03
you'll end up pulling up these other things as well.
185
543330
2000
diğer bütün şeyleri de çekmiş olursunuz.
09:05
And the exciting thing is it's starting to grow.
186
545330
3000
Ve işin heyecanlı kısmı o giderek büyüyor.
09:08
This is just the grassroots stuff again, OK?
187
548330
2000
Bu yine tabandan hareket olayı, değil mi?
09:10
Let's think about data for a bit.
188
550330
3000
Biraz veri hakkında düşünelim.
09:13
Data comes in fact in lots and lots of different forms.
189
553330
3000
Veri çok çok farklı formatlarda geliyor
09:16
Think of the diversity of the web. It's a really important thing
190
556330
3000
İnternetin çeşitliliğini düşünün, internete her türlü veriyi
09:19
that the web allows you to put all kinds of data up there.
191
559330
3000
koyabilmeniz gerçekten çok önemli bir şeydir.
09:22
So it is with data. I could talk about all kinds of data.
192
562330
2000
İşte veri var. Her tür veri hakkında konuşabilirim.
09:25
We could talk about government data, enterprise data is really important,
193
565330
4000
Hükümet verileri hakkında konuşabiliriz, kurumsal veri gerçekten önemlidir,
09:29
there's scientific data, there's personal data,
194
569330
3000
bilimsel veriler var, kişisel veriler var,
09:32
there's weather data, there's data about events,
195
572330
2000
hava verileri var, etkinlikler hakkında
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
574330
4000
konuşmalar hakkında veri var, haberler var ve bu gibi birçok şey.
09:38
I'm just going to mention a few of them
197
578330
3000
Sadece birkaçına değineceğim
09:41
so that you get the idea of the diversity of it,
198
581330
2000
yani ne kadar çeşitli olduğunu anladınız,
09:43
so that you also see how much unlocked potential.
199
583330
4000
ve ne kadar çok gizli potansiyeli olduğunu gördünüz.
09:47
Let's start with government data.
200
587330
2000
Hükümet verileri ile başlayalım.
09:49
Barack Obama said in a speech,
201
589330
2000
Barack Obama, konuşmasında
09:51
that he -- American government data would be available on the Internet
202
591330
5000
Amerikan hükümeti verilerinin internette erişilebilir formatlarda
09:56
in accessible formats.
203
596330
2000
yer alacağını söyledi.
09:58
And I hope that they will put it up as linked data.
204
598330
2000
Ve umuyorum onu bağlı veri olarak koyarlar.
10:00
That's important. Why is it important?
205
600330
2000
Bu önemlidir. Bu neden önemlidir?
10:02
Not just for transparency, yeah transparency in government is important,
206
602330
3000
Sadece saydamlık için değil, evet hükümette saydamlık önemlidir,
10:05
but that data -- this is the data from all the government departments
207
605330
3000
fakat bu verinin -- tüm hükümet birimlerinden toplanan bu verinin --
10:08
Think about how much of that data is about how life is lived in America.
208
608330
5000
ne kadarının Amerikadaki yaşam hakkında olduğunu bir düşünün.
10:13
It's actual useful. It's got value.
209
613330
2000
Gerçekten faydalıdır. Değerlidir.
10:15
I can use it in my company.
210
615330
2000
Onu şirketimde kullanabilirim.
10:17
I could use it as a kid to do my homework.
211
617330
2000
Öğrenci olarak ödevimi yaparken kullanabilirim.
10:19
So we're talking about making the place, making the world run better
212
619330
3000
Yani bu veriyi elverişli kılarak dünyayı daha iyi bir
10:22
by making this data available.
213
622330
2000
yer yapmaktan söz ediyoruz.
10:24
In fact if you're responsible -- if you know about some data
214
624330
4000
Eğer bu işteyseniz -- yani bir bakanlıktaki verilerin
10:28
in a government department, often you find that
215
628330
2000
birazını biliyorsanız, çoğu kez bu insanların
10:30
these people, they're very tempted to keep it --
216
630330
3000
bu veriyi saklamak istediklerini görürsünüz.
10:33
Hans calls it database hugging.
217
633330
3000
Hans buna veritabanı kucaklama diyor.
10:36
You hug your database, you don't want to let it go
218
636330
2000
Veritabanını kucaklarsan ve ona güzel bir site
10:38
until you've made a beautiful website for it.
219
638330
2000
yapana kadar gitmesine izin vermezsin.
10:40
Well, I'd like to suggest that rather --
220
640330
2000
Açıkçası bunun yerine,
10:42
yes, make a beautiful website,
221
642330
2000
tamam, yap bir güzel site,
10:44
who am I to say don't make a beautiful website?
222
644330
2000
ben kimim ki güzel site yapmayın diyorum?
10:46
Make a beautiful website, but first
223
646330
3000
Güzel bir site yap ama önce
10:49
give us the unadulterated data,
224
649330
3000
bize el değmemiş veriyi ver,
10:52
we want the data.
225
652330
2000
veriyi istiyoruz.
10:54
We want unadulterated data.
226
654330
2000
El değmemiş, saf veriyi istiyoruz.
10:56
OK, we have to ask for raw data now.
227
656330
3000
Artık ham veriyi istemek zorundayız.
10:59
And I'm going to ask you to practice that, OK?
228
659330
2000
Ve bunu denemenizi istiyorum, anlaştık mı?
11:01
Can you say "raw"?
229
661330
1000
"Ham" diyin
11:02
Audience: Raw.
230
662330
1000
Seyirciler: Ham
11:03
Tim Berners-Lee: Can you say "data"?
231
663330
1000
Tim Berners-Lee: "Veri" der misiniz?
11:04
Audience: Data.
232
664330
1000
Seyirciler: Veri
11:05
TBL: Can you say "now"?
233
665330
1000
TBL: "Şimdi" der misiniz?
11:06
Audience: Now!
234
666330
1000
Seyirciler: Şimdi!
11:07
TBL: Alright, "raw data now"!
235
667330
2000
TBL: Pekala, şimdi ham veri!
11:09
Audience: Raw data now!
236
669330
2000
Seyirciler: Şimdi ham veri!
11:11
Practice that. It's important because you have no idea the number of excuses
237
671330
4000
Deneyin bunu. Bu önemlidir çünkü vatandaş olarak vergi vermenize rağmen
11:15
people come up with to hang onto their data
238
675330
2000
onların bu verileri elde tutmak ve size vermemek
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
677330
4000
için ne kadar çok mazeret ürettiğini tahmin bile edemezsiniz.
11:21
And it's not just America. It's all over the world.
240
681330
2000
Ve bu sadece Amerika değil, tüm dünyada böyle.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
683330
3000
Ve bu sadece hükümetlerde böyle değil tabii ki, kurumlar da öyle.
11:26
So I'm just going to mention a few other thoughts on data.
242
686330
3000
Veri üzerine birkaç düşünceye daha değineceğim.
11:29
Here we are at TED, and all the time we are very conscious
243
689330
5000
Burada TED'deyiz ve insanlığın karşılaştığı çok büyük
11:34
of the huge challenges that human society has right now --
244
694330
5000
sorunlar için her daim bilinçliyiz: kanserin tedavisi
11:39
curing cancer, understanding the brain for Alzheimer's,
245
699330
3000
Alzheimer hastalarının beynini anlamak,
11:42
understanding the economy to make it a little bit more stable,
246
702330
3000
biraz daha istikrarlı yapmak için ekonomiyi anlamak,
11:45
understanding how the world works.
247
705330
2000
dünyanın nasıl işlediğini anlamak.
11:47
The people who are going to solve those -- the scientists --
248
707330
2000
Bunları çözecek olan insanlar -- bilim insanları --
11:49
they have half-formed ideas in their head,
249
709330
2000
kafalarında düşünceyi yarıladılar,
11:51
they try to communicate those over the web.
250
711330
3000
bunları internet üzerinden iletmeye çalışıyorlar.
11:54
But a lot of the state of knowledge of the human race at the moment
251
714330
3000
Fakat şu anda insan ırkının sahip olduğu bilgi birikimi
11:57
is on databases, often sitting in their computers,
252
717330
3000
veritabanlarında, bilgisayarlarda öylece duruyor,
12:00
and actually, currently not shared.
253
720330
3000
ve gerçekten şu an paylaşılmıyor.
12:03
In fact, I'll just go into one area --
254
723330
3000
Aslında bir alana değineceğim --
12:06
if you're looking at Alzheimer's, for example,
255
726330
2000
Alzheimer'a baktığınızda, örneğin,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
728330
3000
ilaç keşfi -- yeni yeni ortaya çıkan çok fazla bağlı veri var
12:11
because scientists in that field realize
257
731330
2000
çünkü bu alandaki bilim insanları
12:13
this is a great way of getting out of those silos,
258
733330
3000
bu yığınlardan bir şeyler çıkarmanın harika bir yolu
12:16
because they had their genomics data in one database
259
736330
4000
olduğunu fark ettiler, çünkü bir veritabanında genler
12:20
in one building, and they had their protein data in another.
260
740330
3000
başka bir veritabanında protein verileri var.
12:23
Now, they are sticking it onto -- linked data --
261
743330
3000
Ve şimdi buna yapıştılar -- bağlı veri --
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
746330
3000
ve muhtemelen sormayacağınız soruları artık sorabiliyorlar.
12:29
I wouldn't ask -- they would.
263
749330
2000
Ben değil -- onlar soracak.
12:31
What proteins are involved in signal transduction
264
751330
2000
Sinyal transdüksiyonunda yer alan ve ayrıca
12:33
and also related to pyramidal neurons?
265
753330
2000
piramitsel nöronlara bağlı proteinler hangileridir?
12:35
Well, you take that mouthful and you put it into Google.
266
755330
3000
Bu ağız dolusu lafları alın ve Google'da aratın.
12:38
Of course, there's no page on the web which has answered that question
267
758330
3000
Tabii ki bu sorunun cevabını içeren hiçbir sayfa bulamazsınız
12:41
because nobody has asked that question before.
268
761330
2000
çünkü daha önce kimse sormadı bu soruyu.
12:43
You get 223,000 hits --
269
763330
2000
223,000 tane sonuç --
12:45
no results you can use.
270
765330
2000
ama hiçbirini kullanamazsınız.
12:47
You ask the linked data -- which they've now put together --
271
767330
3000
Şimdi bir araya getirdikleri bağlı veriye sorarsınız
12:50
32 hits, each of which is a protein which has those properties
272
770330
4000
32 sonuç, herbiri bu özelliklere sahip proteinlerdir ve bunları
12:54
and you can look at.
273
774330
2000
inceleyebilirsiniz.
12:56
The power of being able to ask those questions, as a scientist --
274
776330
3000
Bir bilim insanı olarak farklı disiplinleri bir araya getiren
12:59
questions which actually bridge across different disciplines --
275
779330
2000
bu soruları sorabilme gücünüzün olması gerçekten
13:01
is really a complete sea change.
276
781330
3000
başlı başına bir değişim.
13:04
It's very very important.
277
784330
2000
Bu çok çok önemlidir.
13:06
Scientists are totally stymied at the moment --
278
786330
2000
Şu anda bilim insanlarının yoluna tamamen
13:08
the power of the data that other scientists have collected is locked up
279
788330
5000
taş konulmuş durumda, diğer bilim insanlarının topladığı veriler kilitli
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
793330
3000
ve tüm bu büyük insanlık sorunlarını çözmek için bu kilidi açmalıyız.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
796330
4000
Eğer böyle devam edersem, tüm verilerin büyük kurumlardan geldiğini ve
13:20
and has nothing to do with you.
282
800330
3000
sizinle hiç ilgisi olmadığını sanacaksınız.
13:23
But, that's not true.
283
803330
2000
Ama bu doğru değil.
13:25
In fact, data is about our lives.
284
805330
2000
Aslında veri hayatımızdadır.
13:27
You just -- you log on to your social networking site,
285
807330
3000
Gidip favori sosyal ağınıza bağlanırsınız,
13:30
your favorite one, you say, "This is my friend."
286
810330
2000
ve "Bu benim arkadaşım." dersiniz.
13:32
Bing! Relationship. Data.
287
812330
3000
Hop! Bağlantı. Veri.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
815330
3000
Dersiniz ki "Bu fotoğraf, bu kişiyi gösteriyor."
13:38
Bing! That's data. Data, data, data.
289
818330
3000
Hop! Bu veridir. Veri, veri, veri.
13:41
Every time you do things on the social networking site,
290
821330
2000
Sosyal ağ sitenizde ne zaman bir şeyler yapsanız,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
823330
4000
o sosyal ağ sitesi bu veriyi alır ve kullanır -- onu yeniden amaçlar --
13:47
and using it to make other people's lives more interesting on the site.
292
827330
4000
ve o sitedeki diğer insanların hayatını daha ilginç hale getirir.
13:51
But, when you go to another linked data site --
293
831330
2000
Fakat başka bir bağlı veri sitesine gittiğinizde
13:53
and let's say this is one about travel,
294
833330
3000
ve farz edin ki bu seyahat ile ilgili bir site,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
836330
3000
dersiniz ki, "Bu fotoyu bu gruptaki herkese göndermek istiyorum,"
13:59
you can't get over the walls.
296
839330
2000
o vakit duvarları aşamazsınız.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
841330
2000
Ekonomist dergisi bu konuda bir makale yazdı ve birçok insan bloglarında değindi
14:03
tremendous frustration.
298
843330
1000
olağanüstü bir karmaşa.
14:04
The way to break down the silos is to get inter-operability
299
844330
2000
Yığınları ayırmanın yolu sosyal ağ sitelerinin
14:06
between social networking sites.
300
846330
2000
birbiriyle uyumlu olmasını sağlamaktır.
14:08
We need to do that with linked data.
301
848330
2000
Bunu bağlı veri ile yapmalıyız.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
850330
3000
Son bir veri türünden bahsedeceğim, belki de en heyecan verici olanı.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
853330
3000
Buraya gelmeden önce, OpenStreetMap'te yerine baktım
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
856330
2000
OpenStreetMap bir haritadır ama aynı zamanda bir vikidir.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
858330
3000
Odaklan ve oradaki karemsi şey bir tiyatro -- şu an bulunduğumuz alan --
14:21
The Terrace Theater. It didn't have a name on it.
306
861330
2000
Terrace Tiyatrosu . Onun bir adı yoktu.
14:23
So I could go into edit mode, I could select the theater,
307
863330
2000
Düzenle moduna girebilirim, tiyatroyu seçebilirim,
14:25
I could add down at the bottom the name, and I could save it back.
308
865330
5000
altına isim ekleyebilirim ve ardından kaydedebilirim.
14:30
And now if you go back to the OpenStreetMap. org,
309
870330
3000
ve şimdi OpenStreetMap.org sitesine giderseniz
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
873330
3000
ve bu mekanı bulursanız, Terrace Tiyatrosunun artık bir ismi olduğunu göreceksiniz.
14:36
I did that. Me!
311
876330
2000
Ben yaptım. Ben.
14:38
I did that to the map. I just did that!
312
878330
2000
Haritada yaptım onu, ben yaptım!
14:40
I put that up on there. Hey, you know what?
313
880330
2000
Onu oraya ekledim. Ve, ne biliyor musunuz?
14:42
If I -- that street map is all about everybody doing their bit
314
882330
3000
O sokak haritası herkesin üzerine düşen parçayı yapmasından ibaret
14:45
and it creates an incredible resource
315
885330
3000
ve muazzam bir kaynak oluşturur
14:48
because everybody else does theirs.
316
888330
3000
çünkü herkes kendi sokağını ekliyor.
14:51
And that is what linked data is all about.
317
891330
3000
Ve işte bağlı veri tamamen bundan ibarettir.
14:54
It's about people doing their bit
318
894330
3000
İnsanların üzerine düşeni yapması
14:57
to produce a little bit, and it all connecting.
319
897330
3000
ufak bir katkı sağlaması ve hepsinin bağlanmasıdır.
15:00
That's how linked data works.
320
900330
3000
Bağlı veri böyle işler.
15:03
You do your bit. Everybody else does theirs.
321
903330
4000
Siz üzerinize düşeni yaparsanız, diğer herkes kendisinin.
15:07
You may not have lots of data which you have yourself to put on there
322
907330
4000
Oraya koyacak çok fazla veriye sahip olmayabilirsiniz ama nasıl
15:11
but you know to demand it.
323
911330
3000
talep edeceğinizi biliyorsunuz.
15:14
And we've practiced that.
324
914330
2000
Ve biz bunu denedik.
15:16
So, linked data -- it's huge.
325
916330
4000
Yani, bağlı veri -- muazzamdır.
15:20
I've only told you a very small number of things
326
920330
3000
Ben size sadece birkaç ufak kısmını anlattım.
15:23
There are data in every aspect of our lives,
327
923330
2000
Hayatımızın her anında veri var,
15:25
every aspect of work and pleasure,
328
925330
3000
çalışma ve keyfin her yönünde,
15:28
and it's not just about the number of places where data comes,
329
928330
3000
ve bu sadece verinin geldiği yerlerin sayısından ibaret değildir,
15:31
it's about connecting it together.
330
931330
3000
onları bağlamak da önemlidir.
15:34
And when you connect data together, you get power
331
934330
3000
Ve veriyi bağladığınızda, sadece internet ve
15:37
in a way that doesn't happen just with the web, with documents.
332
937330
3000
dokümanlardan ibaret olmayan bir güç elde edersiniz.
15:40
You get this really huge power out of it.
333
940330
4000
Ondan çıkan bu muazzam güce kavuşursunuz.
15:44
So, we're at the stage now
334
944330
3000
Şimdi bunun harika bir fikir
15:47
where we have to do this -- the people who think it's a great idea.
335
947330
4000
olduğunu düşünen insanlar olarak bunu yapmamız gereken bir noktadayız.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
951330
3000
Ve tüm insanlar -- ve eminim TED'de hemen bir geri dönüş alınmazsa bile --
15:54
even though there's not an immediate return on the investment
337
954330
2000
bu çalışmaya katkı sağlayacak insanlar var,
15:56
because it will only really pay off when everybody else has done it --
338
956330
3000
çünkü esas fayda herkes bunu yapmaya başladığında ortaya çıkacaktır
15:59
they'll do it because they're the sort of person who just does things
339
959330
4000
onlar bunu yapacaktır çünkü onlar başkaları da yaptığında
16:03
which would be good if everybody else did them.
340
963330
3000
güzel olan işleri yapmakta öncüdürler.
16:06
OK, so it's called linked data.
341
966330
2000
İşte buna bağlı veri diyoruz.
16:08
I want you to make it.
342
968330
2000
Yapmanızı istiyorum.
16:10
I want you to demand it.
343
970330
2000
Talep etmenizi istiyorum.
16:12
And I think it's an idea worth spreading.
344
972330
2000
Ve bence bu yaymaya değer bir fikir.
16:14
Thanks.
345
974330
1000
Teşekkürler.
16:15
(Applause)
346
975330
3000
(Alkış)
Bu web sitesi hakkında

Bu site size İngilizce öğrenmek için yararlı olan YouTube videolarını tanıtacaktır. Dünyanın dört bir yanından birinci sınıf öğretmenler tarafından verilen İngilizce derslerini göreceksiniz. Videoyu oradan oynatmak için her video sayfasında görüntülenen İngilizce altyazılara çift tıklayın. Altyazılar video oynatımı ile senkronize olarak kayar. Herhangi bir yorumunuz veya isteğiniz varsa, lütfen bu iletişim formunu kullanarak bizimle iletişime geçin.

https://forms.gle/WvT1wiN1qDtmnspy7