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

153,066 views ・ 2014-10-20

TED


براہ کرم ویڈیو چلانے کے لیے نیچے دیے گئے انگریزی سب ٹائٹلز پر ڈبل کلک کریں۔

Translator: Nooruddin Surani Reviewer: Salman Saeed
00:13
Technology has brought us so much:
0
13354
3135
ٹیکنالوجی ہمارے لئے بہت کچھ لائی ہے:
00:16
the moon landing, the Internet,
1
16489
2019
چاند پر پہنچنا، انٹرنیٹ،
00:18
the ability to sequence the human genome.
2
18508
2625
انسانی جینوم کی ترتیب کی صلاحیت۔
00:21
But it also taps into a lot of our deepest fears,
3
21133
3724
لیکن یہ بھی ہمارے انتہائی گہرے خوف کو دستک دیتی ہے
00:24
and about 30 years ago,
4
24857
1856
اور تقریباً تیس سال پہلے
00:26
the culture critic Neil Postman wrote a book
5
26713
2553
ثقافتی ناقد نیل پوسٹ مین نے ایک کتاب لکھی
00:29
called "Amusing Ourselves to Death,"
6
29266
2115
جس کا نام ’’امیوزنگ اوورسیلو ٹو ڈیتھ‘‘ تھا
00:31
which lays this out really brilliantly.
7
31381
2759
جو واقعی بہت شاندار ہے۔
00:34
And here's what he said,
8
34140
1650
اور یہاں وہ کیا کہتا ہے،
00:35
comparing the dystopian visions
9
35790
2263
عالم الواقع المریر (ایک تصوراتی جگہ) کے بارے میں رائے کا موازنہ کرتا ہے۔
00:38
of George Orwell and Aldous Huxley.
10
38053
3573
جارج اورول اور الڈوس ہکسلی کی
00:41
He said, Orwell feared we would become
11
41626
3126
وہ کہتا ہے اورول خوفزدہ تھا, ہم ہوجائیں گے۔
00:44
a captive culture.
12
44752
2248
ایک ثقافت کے اسیر
00:47
Huxley feared we would become a trivial culture.
13
47000
3752
ہکسلی خوفزدہ تھا کہ ہم ادنیٰ ثقافت کی طرف جائیں گے۔
00:50
Orwell feared the truth would be
14
50752
2145
اوورل خرفزدہ تھا کہ حقیقت نہیں رہے گی،
00:52
concealed from us,
15
52897
1923
ہم سے مخفی
00:54
and Huxley feared we would be drowned
16
54820
2190
اور ہکسلی خوفزدہ تھا کہ ہم ڈوب جائیں گے۔
00:57
in a sea of irrelevance.
17
57010
2693
غیر متعلقہ کے سمندر میں
00:59
In a nutshell, it's a choice between
18
59703
2170
مختصر طور پر، ان کے درمیان ایک کا انتخاب کریں۔
01:01
Big Brother watching you
19
61873
2600
بڑا بھائی آپ کو دیکھے
01:04
and you watching Big Brother.
20
64473
2496
اور آپ بڑے بھائی کو دیکھیں
01:06
(Laughter)
21
66969
1931
(ہنسی )
01:08
But it doesn't have to be this way.
22
68900
1734
لیکن یہ اس طرح ہونا ضروری نہیں۔
01:10
We are not passive consumers of data and technology.
23
70634
3336
ہم ڈیٹا اور ٹیکنالوجی کے غیر فعال صارفین نہیں ہیں۔
01:13
We shape the role it plays in our lives
24
73970
2403
ہمیں اپنی زندگی میں کردار ادا کرنا ہے
01:16
and the way we make meaning from it,
25
76373
2130
اور اس طرح یہاں سے ہم معنی بنانے ہیں،
01:18
but to do that,
26
78503
1603
لیکن ایسا کرنے کے لئے
01:20
we have to pay as much attention to how we think
27
80106
3513
ہمیں بہت زیادہ توجہ دینا ہوگی کہ ہم کیسے سوچتے ہیں۔
01:23
as how we code.
28
83619
2030
ہم بحیثیت قواعد
01:25
We have to ask questions, and hard questions,
29
85649
3098
ہمیں سوالات پوچھنا ہے، اور مشکل سوالات
01:28
to move past counting things
30
88747
1869
گزشتہ شمار کی گئی چیزیں منتقل کرنے کے لئے
01:30
to understanding them.
31
90616
2602
انہیں سمجھنے کے لئے
01:33
We're constantly bombarded with stories
32
93218
2446
ہم مسلسل اس کہانی پر بمباری کررہے ہیں
01:35
about how much data there is in the world,
33
95664
2476
دنیا بھر میں کتنا ڈیٹا ہے کے بارے میں،
01:38
but when it comes to big data
34
98140
1580
لیکن جب بڑے اعداد و شمار کی جانب آتے ہیں
01:39
and the challenges of interpreting it,
35
99720
2596
اور چیلنجز کی وضاحت کرتے ہیں تو
01:42
size isn't everything.
36
102316
2088
پھر سائز سب کچھ نہیں رہتا ہے۔
01:44
There's also the speed at which it moves,
37
104404
2903
یہ اسی رفتار سے چلتا ہے جس میں یہ ہے
01:47
and the many varieties of data types,
38
107307
1696
اور اعداد و شمار کی صورتوں کی بہت ساری اقسام ہیں،
01:49
and here are just a few examples:
39
109003
2498
اور یہاں چند مثالیں ہیں
01:51
images,
40
111501
2198
تصاویر،
01:53
text,
41
113699
4007
عبارت،
01:57
video,
42
117706
2095
ویڈیو،
01:59
audio.
43
119801
1830
آڈیو۔
02:01
And what unites this disparate types of data
44
121631
3042
اور کیا مختلف النوع کے اعداد و شمار کے اقسام کو ایک کرتا ہے
02:04
is that they're created by people
45
124673
2221
جو لوگوں نے تیار کیا ہے
02:06
and they require context.
46
126894
2775
اور وہ سیاق و سباق کی ضرورت ہے
02:09
Now, there's a group of data scientists
47
129669
2445
اب یہاں اعداد و شمار کے ماہرین کا ایک گروپ ہے
02:12
out of the University of Illinois-Chicago,
48
132114
2305
ایلی نوائے یونیورسٹی شکاگو کے باہر
02:14
and they're called the Health Media Collaboratory,
49
134419
2554
اور یہ ہیلتھ میڈیا کولابوریٹری کہلاتا ہے
02:16
and they've been working with the Centers for Disease Control
50
136973
2587
اور یہ بیماریوں کی روک تھام کے سینٹرز کے ساتھ کام کررہا ہے
02:19
to better understand
51
139560
1505
بہتر انداز سے سمجھایا جائے۔
02:21
how people talk about quitting smoking,
52
141065
2848
لوگوں کو تمباکو نوشی چھوڑنے پر کس طرح بات کی جائے
02:23
how they talk about electronic cigarettes,
53
143913
2680
وہ الیکٹرانک سگریٹ کے متعلق کیسے بات کریں
02:26
and what they can do collectively
54
146593
1985
اور وہ اجتماعی طور پر کیا کرسکتے ہیں۔
02:28
to help them quit.
55
148578
1984
اس کے تدارک میں مدد کے لئے
02:30
The interesting thing is, if you want to understand
56
150562
2013
مزے کی بات یہ ہے اگر آپ سمجھنا چاہتے ہیں
02:32
how people talk about smoking,
57
152575
2216
لوگوں سے سگریٹ نوشی کے متعلق کیسے بات کی جائے
02:34
first you have to understand
58
154791
1901
تو سب سے پہلے آپ کو یہ سمجھنا چاہئے
02:36
what they mean when they say "smoking."
59
156692
2565
جب وہ ’’اسموکنگ‘‘ کہتے ہیں تو اس سے کیا مراد ہے۔
02:39
And on Twitter, there are four main categories:
60
159257
3926
اور ٹوئٹر پر اس کی چار اہم اقسام ہیں:
02:43
number one, smoking cigarettes;
61
163183
2997
نمبر ایک سگریٹ پھونکنا،
02:46
number two, smoking marijuana;
62
166180
2807
نمبر دو چرس یا بانگ کا نشہ،
02:48
number three, smoking ribs;
63
168987
2643
نمبر تین پسلیاں جلانا
02:51
and number four, smoking hot women.
64
171630
3553
اور نمبر چار پرجوش عورت کو نوش کرنا۔
02:55
(Laughter)
65
175183
2993
(ہنسی )
02:58
So then you have to think about, well,
66
178176
2426
تو پھر جب آپ اس کے متعلق سوچتے ہیں۔
03:00
how do people talk about electronic cigarettes?
67
180602
2140
لوگ الیکٹرانک سگریٹ کے متعلق کیسے بات کرتے ہیں؟
03:02
And there are so many different ways
68
182742
2025
اور یہاں اس کے مختلف طریقے ہیں
03:04
that people do this, and you can see from the slide
69
184767
2599
جو لوگ کرتے ہیں، اور آپ سلائیڈ سے بھی دیکھ سکتے ہیں۔
03:07
it's a complex kind of a query.
70
187366
2610
یہ پیچیدہ سوالات کی ایک قسم ہے۔
03:09
And what it reminds us is that
71
189976
3224
اور کیا یہ ہمیں یاد دلاتا ہے کہ
03:13
language is created by people,
72
193200
2411
زبان لوگوں کی ایجاد کردہ ہے،
03:15
and people are messy and we're complex
73
195611
2340
اور لوگ بے ترتیب، پیچیدہ،
03:17
and we use metaphors and slang and jargon
74
197951
2767
اور ہم استعارہ ، بازاری زبان، خفیہ زبان بہت زیادہ استعمال کرتے ہیں
03:20
and we do this 24/7 in many, many languages,
75
200718
3279
اور ہم نے 24/7 میں بہت ساری زبانوں میں کیا،
03:23
and then as soon as we figure it out, we change it up.
76
203997
3224
اور پھر جیسے ہی ہم یہ جان جاتے ہیں ہم اسے تبدیل کرتے ہیں۔
03:27
So did these ads that the CDC put on,
77
207221
5118
لہٰذا اس اشتہار کو CDC پر ڈال دیا گیا
03:32
these television ads that featured a woman
78
212339
2430
اس اشتہار میں عورت کو دکھایا گیا ہے
03:34
with a hole in her throat and that were very graphic
79
214769
2021
جس کے گلے میں سوراخ ہے جو کہ بہت گرافک
03:36
and very disturbing,
80
216790
1904
اور بہت تکلیف دہ ہے۔
03:38
did they actually have an impact
81
218694
1885
اصل میں اس کا کیا اثر ہوا
03:40
on whether people quit?
82
220579
2671
لوگوں پر اس کے تدارک کے لئے؟
03:43
And the Health Media Collaboratory respected the limits of their data,
83
223250
3307
اور ہیلتھ میڈیا اعداد و شمار کی حد کے تعین میں معاون ثابت ہوگا،
03:46
but they were able to conclude
84
226557
2005
لیکن وہ یہ نتیجہ اخذ کرنے کے قابل تھے
03:48
that those advertisements — and you may have seen them —
85
228562
3312
ان اشتہارات میں ..... اور یہاں آپ انہیں دیکھ سکتے ہیں ......
03:51
that they had the effect of jolting people
86
231874
2591
یہ لوگوں پر اثر انداز ہوسکتا ہے
03:54
into a thought process
87
234465
1822
سوچنے کے عمل میں
03:56
that may have an impact on future behavior.
88
236287
3667
مستقبل کے رویئے پر اثر انداز ہوسکتا ہے
03:59
And what I admire and appreciate about this project,
89
239954
3891
اور کیا اس پروجیکٹ کو ہم سراہتے اور پسند کرتے ہیں،
04:03
aside from the fact, including the fact
90
243845
1489
دوسرے رخ سے دیکھیں تو یہ حقیقت بھی شامل ہے
04:05
that it's based on real human need,
91
245334
4057
یہ حقیقی انسانی ضرورت کی بنیاد ہر ہے
04:09
is that it's a fantastic example of courage
92
249391
2846
یہ بہادری کی شاندار مثال ہے
04:12
in the face of a sea of irrelevance.
93
252237
4443
بے ترتیبی کے سمندر کے چہرے میں
04:16
And so it's not just big data that causes
94
256680
3305
اور یہ نہ صرف بڑے اعداد و شمار کا سبب ہے
04:19
challenges of interpretation, because let's face it,
95
259985
2601
چیلنجوں کی تشریح، کیونکہ پھر اس کا سامنا کرتے ہیں
04:22
we human beings have a very rich history
96
262586
2594
ہم انسان شاندار تاریخ رکھتے ہیں
04:25
of taking any amount of data, no matter how small,
97
265180
2693
کسی بھی مقدار کے اعداد و شمار کی، کوئی بات نہیں کہ یہ چھوٹا کیوں ہے،
04:27
and screwing it up.
98
267873
1617
اور اسے اوپر رکھتے ہیں
04:29
So many years ago, you may remember
99
269490
3737
یاد کریں چند سالوں پہلے
04:33
that former President Ronald Reagan
100
273227
2273
سابق صدر رونالڈ ریگن
04:35
was very criticized for making a statement
101
275500
1991
کے بیان پر بہت تنقید کی گئی تھی
04:37
that facts are stupid things.
102
277491
3010
جو حقیقت میں احمقانہ بات تھی۔
04:40
And it was a slip of the tongue, let's be fair.
103
280501
2794
اور یہ ان کی زبان پھسلنے کے باعث ہوا، اب یہ درست ہے۔
04:43
He actually meant to quote John Adams' defense
104
283295
2430
یہ اصل میں جان ایڈم کے اقتباس کا مطلب تھا جس نے دفاع کیا تھا
04:45
of British soldiers in the Boston Massacre trials
105
285725
2751
برطانوی فوجیوں کا بوسٹن قتل عام کے مقدمات میں
04:48
that facts are stubborn things.
106
288476
3150
یہ حقائق ڈھیٹ چیزیں ہیں
04:51
But I actually think there's
107
291626
2624
لیکن حقیقت میں یہاں یہ سوچتی ہوں
04:54
a bit of accidental wisdom in what he said,
108
294250
3418
یہ حادثاتی حکمت کا ایک چھوٹا ٹکڑا ہے، یہاں اس نے کیا کہا
04:57
because facts are stubborn things,
109
297668
2776
کیونکہ حقائق ڈھیٹ چیز ہیں
05:00
but sometimes they're stupid, too.
110
300444
2923
لیکن بعض اوقات یہ احمقانہ بھی ہوتے ہیں۔
05:03
I want to tell you a personal story
111
303367
1888
یہاں میں ذاتی کہانی سنانا چاہتی ہوں
05:05
about why this matters a lot to me.
112
305255
3548
کیسے یہ معاملات میرے لئے بہت ہیں۔
05:08
I need to take a breath.
113
308803
2437
یہاں تھوڑا وقفہ لینا چاہتی ہوں۔
05:11
My son Isaac, when he was two,
114
311240
2754
میرا بیٹا اسحاق جب دو سال کا تھا،
05:13
was diagnosed with autism,
115
313994
2417
اس میں خودفکری کی تشخیص ہو گئی
05:16
and he was this happy, hilarious,
116
316411
2161
اور وہ خوش، ہنسی مذاق سے بھرپور،
05:18
loving, affectionate little guy,
117
318572
2035
محبت کرنے والا، شفیق، ملنسار بچہ تھا
05:20
but the metrics on his developmental evaluations,
118
320607
2902
لیکن اس کی نشونما کے معیار کی پیمائش کے مطابق
05:23
which looked at things like the number of words —
119
323509
2070
جو ان چیزوں کو تعداد کے مطابق دیکھتا ہے ......
05:25
at that point, none —
120
325579
3657
اس نقطہ پر ، کچھ نہیں ۔۔۔۔
05:29
communicative gestures and minimal eye contact,
121
329236
3940
ڈائیلاگ، اشارے اور کم از کم آنکھ سے رابطہ کرتا ہے،
05:33
put his developmental level
122
333176
2003
، اس کی یہ ارتقائی سطح رکھتے ہیں
05:35
at that of a nine-month-old baby.
123
335179
3961
ایک نو ماہ کے بچے پر
05:39
And the diagnosis was factually correct,
124
339140
2960
اور یہ تشخیصی حقائق درست تھے،
05:42
but it didn't tell the whole story.
125
342100
3209
لیکن یہ پوری کہانی نہیں بتاتا۔
05:45
And about a year and a half later,
126
345309
1401
اور ڈیڑھ سال بعد
05:46
when he was almost four,
127
346710
2102
جب وہ تقریباً چار سال کا تھا
05:48
I found him in front of the computer one day
128
348812
2363
ایک دن میں نے اسے کمپیوٹر کے سامنے پایا
05:51
running a Google image search on women,
129
351175
5453
گوگل امیج پر women سرچ کررہا تھا
05:56
spelled "w-i-m-e-n."
130
356628
3616
اس کے ہجے "w-i-m-e-n." تھے
06:00
And I did what any obsessed parent would do,
131
360244
2740
اور ایسے میں جذباتی والدین کیا کریں گے،
06:02
which is immediately started hitting the "back" button
132
362984
1901
وہ فوراً بیک بٹن دبانا شروع کردیں گے
06:04
to see what else he'd been searching for.
133
364885
3363
یہ دیکھنے کے لئے کہ وہ اور کیا سرچ کررہا ہے۔
06:08
And they were, in order: men,
134
368248
2171
اور اگر وہ ترتیب میں تھے، آدمی
06:10
school, bus and computer.
135
370419
7267
اسکول، بس اور کمپیوٹر۔
06:17
And I was stunned,
136
377686
2070
اور میں حیرت زدہ تھی
06:19
because we didn't know that he could spell,
137
379756
2002
تھی کیونکہ ہم نہیں جانتے تھے کہ ہجے کا اندازہ کہاں سے لیا
06:21
much less read, and so I asked him,
138
381758
1766
اس نے بہت کم پڑھا تھا لہٰذا میں نے اس سے پوچھا،
06:23
"Isaac, how did you do this?"
139
383524
2193
’’اسحاق، تم نے یہ کیسے کیا؟‘‘
06:25
And he looked at me very seriously and said,
140
385717
2678
اور اس نے میری جانب نہایت سنجیدگی سے دیکھا اور بولا۔
06:28
"Typed in the box."
141
388395
3352
’’باکس میں ٹائپ کرکے۔‘‘
06:31
He was teaching himself to communicate,
142
391747
3734
وہ بات چیت کے لئے اپنے آپ کو تعلیم دیتے تھے،
06:35
but we were looking in the wrong place,
143
395481
3004
لیکن ہم غلط جگہ پر دیکھ رہے تھے،
06:38
and this is what happens when assessments
144
398485
2295
اور کیا ہوتا ہے جب ہم تخمینہ
06:40
and analytics overvalue one metric —
145
400780
2396
اور تجزیات کی ایک بیش قیمت مقدار
06:43
in this case, verbal communication —
146
403176
2609
اس صورت میں، زبانی مواصلات
06:45
and undervalue others, such as creative problem-solving.
147
405785
5703
دوسروں کی کم قیمت، جیسا کہ تخلیقی مسائل کو حل کرنے کے لئے
06:51
Communication was hard for Isaac,
148
411488
2307
اسحاق کے لئے تبادلہ خیال کرنا مشکل تھا
06:53
and so he found a workaround
149
413795
1912
لہٰذا اسے پالیا۔
06:55
to find out what he needed to know.
150
415707
2857
یہ معلوم کرلیا کہ وہ کیا جاننا چاہتا ہے
06:58
And when you think about it, it makes a lot of sense,
151
418564
1890
اور جب آپ اس بارے میں سوچتے ہیں تو یہ بہت حساس بن جاتا ہے
07:00
because forming a question
152
420454
2081
کیونکہ کوئی سوال کرنا
07:02
is a really complex process,
153
422535
2565
واقعی بہت مشکل عمل ہے،
07:05
but he could get himself a lot of the way there
154
425100
2522
لیکن اس نے بہت سارے طریقوں سے خود حاصل کرلیا
07:07
by putting a word in a search box.
155
427622
4092
ایک لفظ سرچ بکس میں ڈال کر۔
07:11
And so this little moment
156
431714
2936
اور اس مختصر وقت نے
07:14
had a really profound impact on me
157
434650
2836
واقعی مجھ پر بہت گہرا اثر ڈالا
07:17
and our family
158
437486
1309
اور میری فیملی پر
07:18
because it helped us change our frame of reference
159
438795
3141
کیونکہ ہماری سوچ کے حوالے کو اس نے تبدیل کرنے میں مدد کی
07:21
for what was going on with him,
160
441936
2208
کہ اس کے ساتھ کیا ہورہا ہے۔
07:24
and worry a little bit less and appreciate
161
444144
2976
تھوڑی سی فکرمندی کم ہوئی اور اسے سراہا
07:27
his resourcefulness more.
162
447120
2182
اس کی بہت زیادہ سمجھ بوجھ کو.
07:29
Facts are stupid things.
163
449302
2861
حقیقت احمقانہ چیز ہے۔
07:32
And they're vulnerable to misuse,
164
452163
2397
اور انہیں اس کے غلط استعمال کا خطرہ ہے
07:34
willful or otherwise.
165
454560
1653
جان بوجھ کر یا دوسری صورت مہں.
07:36
I have a friend, Emily Willingham, who's a scientist,
166
456213
3026
میری ایک دوست ایملی ولنگھم سائنس دان ہے۔
07:39
and she wrote a piece for Forbes not long ago
167
459239
2801
۔ کچھ زیادہ عرصہ نہیں ہوا اس نے جڑی بوٹیوں پر لکھا ہے۔
07:42
entitled "The 10 Weirdest Things
168
462040
1980
بعنوان ’’دی ٹین وائرڈیسٹ تھنگ
07:44
Ever Linked to Autism."
169
464020
1810
ایور لنکڈ ٹو آسٹم‘‘
07:45
It's quite a list.
170
465830
3005
یہ یقیناً ایک فہرست ہے۔
07:48
The Internet, blamed for everything, right?
171
468835
3532
انٹرنیٹ ہر چیز کا ذمہ دار ہے، درست؟
07:52
And of course mothers, because.
172
472367
3757
اور اصل میں، مائیں، کیونکہ
07:56
And actually, wait, there's more,
173
476124
1587
اور اصل میں، ٹھہریئے، یہاں بہت ساری
07:57
there's a whole bunch in the "mother" category here.
174
477711
3430
یہاں ’’ماں‘‘ کی بہت ساری اقسام ہیں
08:01
And you can see it's a pretty rich and interesting list.
175
481141
4815
اور اس فہرست میں آپ خوبصورت، امیر اور دلچسپ مائیں دیکھ سکتے ہیں۔
08:05
I'm a big fan of
176
485956
2193
میں بہت بڑی پرستار ہوں
08:08
being pregnant near freeways, personally.
177
488149
3704
ذاتی طور پر شاہراہوں پر حاملہ ہونے کی۔
08:11
The final one is interesting,
178
491853
1539
آخر یہ دلچسپ ہے۔
08:13
because the term "refrigerator mother"
179
493392
3003
کیونکہ ’’ریفریجریٹر مدر‘‘ کی اصطلاح
08:16
was actually the original hypothesis
180
496395
2605
کا اصل نظریہ تھا
08:19
for the cause of autism,
181
499000
1431
خودفکری کے مقصد کے لئے
08:20
and that meant somebody who was cold and unloving.
182
500431
2735
اور اس کے معنی ہیں کچھ لوگ جو ٹھنڈے اور محبت کرنے والے نہیں تھے
08:23
And at this point, you might be thinking,
183
503166
1562
اور اس نقطے پر آپ سوچ سکتے ہیں
08:24
"Okay, Susan, we get it,
184
504728
1657
’’ٹھیک ہے سوسن، ہم اسے حاصل کرتے ہیں،
08:26
you can take data, you can make it mean anything."
185
506385
1782
آپ اعداد و شمار لے سکتی ہیں، آپ کسی چیز کے معنی بناسکتی ہیں ۔‘‘
08:28
And this is true, it's absolutely true,
186
508167
4703
اور یہ سچ ہے، اور یہ بالکل سچ ہے،
08:32
but the challenge is that
187
512870
5610
مگر چیلنج یہ ہے کہ
08:38
we have this opportunity
188
518480
2448
ہم اس موقع کو
08:40
to try to make meaning out of it ourselves,
189
520928
2284
خود سے مطلب بنانے کی کوشش کرتے ہیں
08:43
because frankly, data doesn't create meaning. We do.
190
523212
5352
ہیں کیونکہ سچ یہ ہے کہ اعداد و شمار معنی نہیں بناتے یہ ہم کرتے ہیں۔
08:48
So as businesspeople, as consumers,
191
528564
3256
۔ لہٰذا بحیثیت بزنس مین، بحیثیت صارفین،
08:51
as patients, as citizens,
192
531820
2539
بحیثیت مریض، بحیثیت شہری
08:54
we have a responsibility, I think,
193
534359
2396
ہماری ذمہ داری ہے ، میں سمجھتا ہوں
08:56
to spend more time
194
536755
2194
زیادہ وقت صرف کریں
08:58
focusing on our critical thinking skills.
195
538949
2870
تنقیدی سوچ کی مہارت پر توجہ مرکوز کریں
09:01
Why?
196
541819
1078
کیوں؟
09:02
Because at this point in our history, as we've heard
197
542897
3178
کیونکہ تاریخ کے اس موڑ پر، جیسا کہ سنتے ہیں
09:06
many times over,
198
546075
1706
بہت سا وقت گزر گیا
09:07
we can process exabytes of data
199
547781
1981
ہم کرسکتے ہیں اعداد و شمار کے exabytes طریقہ کار
09:09
at lightning speed,
200
549762
2153
روشنی کی رفتار پر
09:11
and we have the potential to make bad decisions
201
551915
3515
اور ہم برے فیصلے کرنے کی بھرپور صلاحیت رکھتے ہیں،
09:15
far more quickly, efficiently,
202
555430
1834
بہت تیزی اور قابلیت سے
09:17
and with far greater impact than we did in the past.
203
557264
5028
اور بہت زیادہ گہرے اثر کے ساتھ ہم نے ماضی میں کیا تھا۔
09:22
Great, right?
204
562292
1388
زبردست ، ہے نا؟
09:23
And so what we need to do instead
205
563680
3030
اور اس طرح ہمیں کیا کرنے کی ضرورت ہے بجائے
09:26
is spend a little bit more time
206
566710
2330
تھوڑا سا زیادہ وقت صرف کرنا ہے
09:29
on things like the humanities
207
569040
2746
چیزوں پر جیسا کہ فنون عامہ
09:31
and sociology, and the social sciences,
208
571786
3464
اور عمرانیات، سوشل سائنس،
09:35
rhetoric, philosophy, ethics,
209
575250
2308
مبالغہ آرائی، فلاسفی، اخلاقیات،
09:37
because they give us context that is so important
210
577558
2856
، کیونکہ یہ ہمیں بہت اہم سیاق و سباق مہیا کرتا ہے۔
09:40
for big data, and because
211
580414
2576
بڑے اعداد و شمار کے لئے، ۔ اور کیونکہ
09:42
they help us become better critical thinkers.
212
582990
2418
کیونکہ یہ ہمیں تنقیدی مفکر بنانے میں مدد فراہم کرتا ہے۔
09:45
Because after all, if I can spot
213
585408
4207
۔ کیونکہ بہرحال اگر ہم کسی نقطہ پر
09:49
a problem in an argument, it doesn't much matter
214
589615
2486
کسی بحث و مباحثہ کے موقع پر مشکل میں ہوں تو یہ کوئی اہمیت نہیں رکھتا
09:52
whether it's expressed in words or in numbers.
215
592101
2759
کہ اس کا اظہار آپ الفاظ میں یا اعداد میں کریں۔
09:54
And this means
216
594860
2719
اس کا مطلب ہے
09:57
teaching ourselves to find those confirmation biases
217
597579
4421
اس کی تصدیق کرنے کے لئے اپنی تربیت کی طرفداری
10:02
and false correlations
218
602000
1822
غلط ارتباط ہے
10:03
and being able to spot a naked emotional appeal
219
603822
2138
برہنہ جذباتی دلکشی کے قابل بناتا ہے
10:05
from 30 yards,
220
605960
1662
30 گز سے
10:07
because something that happens after something
221
607622
2522
۔ کیونکہ کچھ کے بعد کیا ہوتا ہے جب کچھ نہیں ہوتا
10:10
doesn't mean it happened because of it, necessarily,
222
610144
3082
کے معنی ضروری نہیں اس کی وجہ سے یہ ہوا
10:13
and if you'll let me geek out on you for a second,
223
613226
2119
اور اگر آپ مجھے ایک لمحے کے لئے پرجوش کردیں
10:15
the Romans called this "post hoc ergo propter hoc,"
224
615345
4297
رومی اس کو کہتے ہیں ’’post hoc ergo propter hoc‘‘
10:19
after which therefore because of which.
225
619642
3296
اس وجہ سے ہے، جس کے بعد جس کی وجہ سے
10:22
And it means questioning disciplines like demographics.
226
622938
3757
اور اس کا مطلب آبادیات جیسے مضامین کے سوالات و جوابات ہیں۔
10:26
Why? Because they're based on assumptions
227
626695
2520
کیوں؟ کیونکہ یہ اس مفروضے کی بنیاد ہے جو
10:29
about who we all are based on our gender
228
629215
2306
جو ہماری صنف کی بنیاد ہے
10:31
and our age and where we live
229
631521
1462
اور ہماری عمر اور ہم کہاں رہتے ہیں
10:32
as opposed to data on what we actually think and do.
230
632983
3478
بحیثیت اعداد و شمارکے مخالف ہم اصل میں کیا سوچتے ہیں اور کرتے ہیں
10:36
And since we have this data,
231
636461
1663
اور جب سے یہ اعداد و شمار ہمارے پاس ہیں
10:38
we need to treat it with appropriate privacy controls
232
638124
3139
ہمیں اسے مناسب رازداری سے قابو کرنے کی ضرورت ہے
10:41
and consumer opt-in,
233
641263
3576
اور صارفین کے لئے
10:44
and beyond that, we need to be clear
234
644839
2993
اور اس کے بعد ہمیں واضح کرنے کی ضرورت ہے
10:47
about our hypotheses,
235
647832
2103
اپنے مفروضات کو
10:49
the methodologies that we use,
236
649935
2596
یہ وہ طریقہ کار ہے جو ہم استعمال کرتے ہیں
10:52
and our confidence in the result.
237
652531
2804
اور اس کا نتیجہ ہمارا اعتماد ہے۔
10:55
As my high school algebra teacher used to say,
238
655335
2474
جیسا کہ ہائی اسکول میں میرے الجبرا ٹیچر کہا کرتے تھے،
10:57
show your math,
239
657809
1531
اپنی ریاضی دکھاؤ
10:59
because if I don't know what steps you took,
240
659340
3441
کیونکہ میں نہیں جانتا آپ نے کیا قدم اٹھایا،
11:02
I don't know what steps you didn't take,
241
662781
1991
میں نہیں جانتا کہ آپ نے کیا اقدام لیں گے،
11:04
and if I don't know what questions you asked,
242
664772
2438
اور میں نہیں جانتا آپ کیا سوال پوچھیں گے،
11:07
I don't know what questions you didn't ask.
243
667210
3197
مجھے یہ بھی معلوم نہیں آپ نے کیا سوال پوچھنا ہے۔
11:10
And it means asking ourselves, really,
244
670407
1523
۔ اور اس کا مطلب یہ ہے کہ خود سے پوچھیں، اصل میں
11:11
the hardest question of all:
245
671930
1479
یہ سب کے لئے مشکل سوال ہے:
11:13
Did the data really show us this,
246
673409
3500
اصل میں یہ اعداد و شمار ہمیں ظاہر کئے گئے تھے،
11:16
or does the result make us feel
247
676909
2311
، یا یہ نتیجہ ہمیں بناتا ہے
11:19
more successful and more comfortable?
248
679220
3878
زیادہ کامیاب اور زیادہ پرسکون؟
11:23
So the Health Media Collaboratory,
249
683098
2584
لہٰذا ہیلتھ میڈیا کے اشتراک سے
11:25
at the end of their project, they were able
250
685682
1699
اس منصوبے کے اختتام پر وہ قابل ہوئے
11:27
to find that 87 percent of tweets
251
687381
3408
87 فیصد ٹوئٹس معلوم کرنے کے
11:30
about those very graphic and disturbing
252
690789
2144
جو بہت گرافک اور پریشان کن تھے۔
11:32
anti-smoking ads expressed fear,
253
692933
4038
سگریٹ نوشی کے تدارک کے اشہارات خوف کا اظہار
11:36
but did they conclude
254
696971
1856
مگر کیا یہ نتایج
11:38
that they actually made people stop smoking?
255
698827
3161
اصل میں ان لوگوں کے لئے بنایا گیا تھا جو تمباکو نوشی کی روک تھام کرتے ہیں؟
11:41
No. It's science, not magic.
256
701988
2542
نہیں یہ سائنس ہے نہ کہ جادو۔
11:44
So if we are to unlock
257
704530
3190
اب اگر ہم کھول دیں
11:47
the power of data,
258
707720
2862
اعداد و شمار کی طاقت کو
11:50
we don't have to go blindly into
259
710582
3448
ہمیں آنکھ بند کرکے نہیں جانا
11:54
Orwell's vision of a totalitarian future,
260
714030
3436
آر ویل کے مطلق العنان نظریہ
11:57
or Huxley's vision of a trivial one,
261
717466
3117
یا ہکسلے کے معمولی نظریہ
12:00
or some horrible cocktail of both.
262
720583
3020
یا کچھ دونوں کے مشترکہ ڈراؤنے
12:03
What we have to do
263
723603
2379
ہمیں کیا کرنا چاہئے
12:05
is treat critical thinking with respect
264
725982
2718
تنقیدی سوچ کے احترام کے ساتھ
12:08
and be inspired by examples
265
728700
2029
ہیں اور اس کو مثالوں سے واضح کرتے ہیں
12:10
like the Health Media Collaboratory,
266
730729
2610
جیسا کہ ہیلتھ میڈیا کے اشتراک سے
12:13
and as they say in the superhero movies,
267
733339
2328
اور وہ سپر ہیرو فلموں میں کہتے ہیں
12:15
let's use our powers for good.
268
735667
1822
اب ہم اپنی قوتوں کو اچھے کاموں میں استعمال کریں گے۔
12:17
Thank you.
269
737489
2351
آپ کا شکریہ
12:19
(Applause)
270
739840
2334
(تالیاں)
اس ویب سائٹ کے بارے میں

یہ سائٹ آپ کو یوٹیوب ویڈیوز سے متعارف کرائے گی جو انگریزی سیکھنے کے لیے مفید ہیں۔ آپ دیکھیں گے کہ انگریزی اسباق دنیا بھر کے اعلیٰ ترین اساتذہ کے ذریعہ پڑھائے جاتے ہیں۔ وہاں سے ویڈیو چلانے کے لیے ہر ویڈیو پیج پر دکھائے گئے انگریزی سب ٹائٹلز پر ڈبل کلک کریں۔ سب ٹائٹلز ویڈیو پلے بیک کے ساتھ مطابقت پذیر ہوتے ہیں۔ اگر آپ کے کوئی تبصرے یا درخواستیں ہیں، تو براہ کرم اس رابطہ فارم کا استعمال کرتے ہوئے ہم سے رابطہ کریں۔

https://forms.gle/WvT1wiN1qDtmnspy7