Kenneth Cukier: Big data is better data

Kenneth Cukier: Big data (dữ liệu lớn) là dữ liệu tốt hơn

Translator: Chau Uong Reviewer: Dung Le

America's favorite pie is?

Loại bánh ưa thích tại Mỹ là ?

Audience: Apple. Kenneth Cukier: Apple. Of course it is.

Khán giả: Bánh táo. Kenneth Cukier: Bánh táo. Tất nhiên rồi.

How do we know it?

Làm sao ta biết được?

Because of data.

Nhờ có dữ liệu.

You look at supermarket sales.

Nhìn vào doanh số bán hàng siêu thị.

You look at supermarket sales of 30-centimeter pies

Nhìn vào doanh số bán của các loại bánh đường kính 30cm

that are frozen, and apple wins, no contest.

được đông lạnh, và bánh táo thắng tuyệt đối.

The majority of the sales are apple.

Phần lớn bánh bán ra là bánh táo.

But then supermarkets started selling

Nhưng đến khi các siêu thị bắt đầu bán

smaller, 11-centimeter pies,

loại nhỏ hơn, cỡ 11 cm,

and suddenly, apple fell to fourth or fifth place.

thì đột nhiên, bánh táo tụt xuống hạng tư hay năm.

Why? What happened?

Tại sao? Điều gì đã xảy ra?

Okay, think about it.

Hãy cùng suy nghĩ về điều này.

When you buy a 30-centimeter pie,

Khi bạn mua bánh cỡ 30 cm,

the whole family has to agree,

cả gia đình bạn phải đồng ý,

and apple is everyone's second favorite.

thực tế, bánh táo chỉ đứng thứ hai trong danh sách yêu thích của mọi người.

(Laughter)

(tiếng cười)

But when you buy an individual 11-centimeter pie,

Nhưng khi mua một cái bánh cỡ 11 cm,

you can buy the one that you want.

bạn có thể mua cái mà bạn muốn.

You can get your first choice.

Bạn có thể mua loại mà mình thích nhất.

You have more data.

Bạn có nhiều dữ liệu hơn.

You can see something

Bạn có thể thấy được những thứ

that you couldn't see

không thể thấy khi chỉ có một lượng nhỏ dữ liệu.

when you only had smaller amounts of it.

Điểm mấu chốt ở đây là, có nhiều dữ liệu hơn

Now, the point here is that more data

doesn't just let us see more,

không những giúp ta thấy nhiều hơn,

more of the same thing we were looking at.

nhiều hơn về thứ ta đang nhìn.

More data allows us to see new.

Nhiều dữ liệu hơn còn giúp ta thấy được những điều mới,

It allows us to see better.

mang đến một góc nhìn tốt hơn,

It allows us to see different.

cho phép ta thấy khác đi.

In this case, it allows us to see

Trong trường hợp này, nó cho phép ta thấy

what America's favorite pie is:

thứ bánh nào được ưa chuộng ở Mỹ:

not apple.

không phải bánh táo.

Now, you probably all have heard the term big data.

Các bạn chắc hẳn đã từng nghe về khái niệm big data (dữ liệu lớn).

In fact, you're probably sick of hearing the term

Đúng hơn, hẳn các bạn đã chán ngấy về nó.

big data.

Thật đúng khi cho rằng có nhiều sự thổi phồng xung quanh khái niệm trên,

It is true that there is a lot of hype around the term,

and that is very unfortunate,

và điều đó thật đáng tiếc,

because big data is an extremely important tool

vì big data là một công cụ cực kì quan trọng

by which society is going to advance.

mà nhờ đó, xã hội sẽ trở nên tiến bộ hơn.

In the past, we used to look at small data

Trong quá khứ, chúng ta thường nhìn vào những dữ liệu nhỏ,

and think about what it would mean

tìm hiểu ý nghĩa của chúng,

to try to understand the world,

để cố gắng hiểu về thế giới,

and now we have a lot more of it,

và giờ, ta có nhiều dữ liệu hơn,

more than we ever could before.

nhiều hơn bao giờ hết.

What we find is that when we have

Những gì ta biết là khi có

a large body of data, we can fundamentally do things

một lượng lớn dữ liệu, ta có thể làm những điều

that we couldn't do when we only had smaller amounts.

mà trước kia không thể.

Big data is important, and big data is new,

Dữ liệu lớn rất quan trọng, và mới mẻ,

and when you think about it,

và đó có thể là

the only way this planet is going to deal

cách duy nhất mà hành tinh này sẽ

with its global challenges —

đối phó với những thử thách toàn cầu:

to feed people, supply them with medical care,

đảm bảo thức ăn cho mọi người, cung cấp dịch vụ y tế,

supply them with energy, electricity,

cung cấp năng lượng, điện,

and to make sure they're not burnt to a crisp

và đảm bảo người dân không bị thiêu rụi

because of global warming —

bởi sự nóng lên toàn cầu -

is because of the effective use of data.

tất cả nhờ vào việc sử dụng dữ liệu hiệu quả.

So what is new about big data? What is the big deal?

Vậy thì, có gì mới về dữ liệu lớn? Có gì mà to tát vậy chứ?

Well, to answer that question, let's think about

Được, để trả lời câu hỏi đó, hãy nghĩ về

what information looked like,

thông tin trông như thế nào, trước kia.

physically looked like in the past.

Vào năm 1908, trên đảo Crete,

In 1908, on the island of Crete,

archaeologists discovered a clay disc.

các nhà khảo cổ học tìm ra một cái đĩa đất sét.

They dated it from 2000 B.C., so it's 4,000 years old.

Họ xác định nó từ là 2000 năm trước Công nguyên, vậy nó 4000 tuổi.

Now, there's inscriptions on this disc,

Có chữ khắc trên tấm đĩa, nhưng ta không hiểu nó có nghĩa gì.

but we actually don't know what it means.

It's a complete mystery, but the point is that

Hoàn toàn là một bí ẩn, nhưng vấn đề là

this is what information used to look like

thông tin đã từng trông như thế 4000 năm trước.

4,000 years ago.

Đây là cách xã hội lưu trữ

This is how society stored

and transmitted information.

và truyền tải thông tin.

Now, society hasn't advanced all that much.

Bây giờ, xã hội chưa tân tiến đến mức đó.

We still store information on discs,

Chúng ta vẫn lưu trữ thông tin trên đĩa,

but now we can store a lot more information,

nhưng giờ, có thể lưu trữ nhiều thông tin hơn trước kia.

more than ever before.

Searching it is easier. Copying it easier.

Tìm kiếm nó thì dễ hơn. Sao chép nó cũng dễ hơn.

Sharing it is easier. Processing it is easier.

Chia sẻ cũng dễ hơn. Xử lý dễ hơn.

And what we can do is we can reuse this information

Những gì ta có thể làm là sử dụng lại thông tin này

for uses that we never even imagined

vào việc mà thậm chí chưa bao giờ tưởng tượng ra

when we first collected the data.

khi mới bắt đầu thu thập dữ liệu.

In this respect, the data has gone

Về lĩnh vực này, dữ liệu đã đi

from a stock to a flow,

từ một kho tích trữ về một dòng chảy ,

from something that is stationary and static

từ thứ bất động và cố định

to something that is fluid and dynamic.

sang linh hoạt và năng động.

There is, if you will, a liquidity to information.

Có một thanh khoản thông tin.

The disc that was discovered off of Crete

Cái đĩa được tìm thấy ở Crete

that's 4,000 years old, is heavy,

đã 4000 năm tuổi, rất nặng,

it doesn't store a lot of information,

nó không lưu trữ được nhiều thông tin,

and that information is unchangeable.

và số thông tin đó không thể thay đổi.

By contrast, all of the files

Ngược lại, tất cả những hồ sơ

that Edward Snowden took

mà Edward Snowden lấy

from the National Security Agency in the United States

từ Cục An ninh Quốc gia Hoa Kỳ

fits on a memory stick

chứa vừa trong một thẻ nhớ

the size of a fingernail,

bằng kích thước của móng tay,

and it can be shared at the speed of light.

và có thể được chia sẻ với tốc độ ánh sáng.

More data. More.

Nhiều dữ liệu hơn, hơn rất nhiều.

Một lý do tại sao có quá nhiều dữ liệu trên thế giới hiện nay

Now, one reason why we have so much data in the world today

is we are collecting things

là vì chúng ta đang thu thập những thứ

that we've always collected information on,

ta vẫn luôn thu thập,

but another reason why is we're taking things

một lý do khác để giải thích việc chúng ta lấy những thứ

that have always been informational

đã luôn cung cấp thông tin

but have never been rendered into a data format

nhưng chưa bao giờ được làm thành dạng dữ liệu

and we are putting it into data.

và do đó, chúng ta bỏ những thứ đấy vào dữ liệu

Think, for example, the question of location.

Lấy ví dụ, câu hỏi về địa điểm

Take, for example, Martin Luther.

Lấy ví dụ, Martin Luther

If we wanted to know in the 1500s

Nếu chúng ta muốn biết vào năm 1500

where Martin Luther was,

Martin Luther ở đâu,

we would have to follow him at all times,

chúng ta sẽ phải theo dõi ông ấy mọi lúc,

maybe with a feathery quill and an inkwell,

kèm theo một cây bút lông và một lọ mực

and record it,

để ghi chép lại.

but now think about what it looks like today.

Nhưng bây giờ hãy nghĩ nó sẽ như thế nào ngày nay.

You know that somewhere,

Bạn biết rằng ở một nơi nào đó,

probably in a telecommunications carrier's database,

khả năng là trong cơ sở dữ liệu của một hãng viễn thông

there is a spreadsheet or at least a database entry

có một bảng tính hoặc ít nhất một mục cơ sở dữ liệu

that records your information

lưu trữ lại thông tin của bạn

of where you've been at all times.

những nơi bạn đã đến tại mọi thời điểm

If you have a cell phone,

Nếu bạn có điện thoại di động,

and that cell phone has GPS, but even if it doesn't have GPS,

và chiếc điện thoại đó có GPS, nhưng ngay cả khi nó không có GPS,

it can record your information.

nó vẫn có thể lưu trữ thông tin của bạn

In this respect, location has been datafied.

Trong lĩnh vực này, việc định vị đã được dữ liệu hóa

Now think, for example, of the issue of posture,

Bây giờ, lấy ví dụ vấn đề về tư thế

the way that you are all sitting right now,

tư thế mà các bạn đang ngồi bây giờ

the way that you sit,

tư thế mà bạn ngồi,

the way that you sit, the way that you sit.

tư thế mà bạn ngồi, tư thế mà bạn ngồi

It's all different, and it's a function of your leg length

Nó đều khác nhau, và đó là một chức năng giữa chiều dài chân bạn

and your back and the contours of your back,

lưng bạn và những đường nét của lưng bạn

and if I were to put sensors, maybe 100 sensors

và nếu bây giờ tôi đặt thiết bị cảm biến

into all of your chairs right now,

vào tất cả các ghế

I could create an index that's fairly unique to you,

Tôi có thể tạo ra một chỉ số tương đối độc nhất về bạn,

sort of like a fingerprint, but it's not your finger.

ví dụ như dấu vân tây, nhưng không phải là ngón tay của bạn

So what could we do with this?

Vậy chúng ta có thể làm gì với nó?

Researchers in Tokyo are using it

Các nhà nghiên cứu ở Tokyo đang dùng dấu vân tay

as a potential anti-theft device in cars.

để tạo ra một thiết bị có tiềm năng chống trộm xe hơi.

The idea is that the carjacker sits behind the wheel,

Ý tưởng là nếu tên trộm ngồi đằng sau tay lái

tries to stream off, but the car recognizes

và cố lái đi, nhưng nếu chiếc xe nhận ra

that a non-approved driver is behind the wheel,

rằng đằng sau bánh lái là một tài xế không được xác duyệt,

and maybe the engine just stops, unless you

thì động cơ sẽ tự động dừng, trừ khi

type in a password into the dashboard

bạn nhập mật khẩu vào bảng điều khiển

to say, "Hey, I have authorization to drive." Great.

để báo rằng "Tôi có sự cho phép". Tuyệt.

What if every single car in Europe

Nếu như mọi chiếc xe ở Châu Âu

had this technology in it?

đều có công nghệ này thì sao?

What could we do then?

Chúng ta có thể làm gì lúc đó?

Maybe, if we aggregated the data,

Nếu chúng ta có thể tập hợp dữ liệu

maybe we could identify telltale signs

có thể chúng ta sẽ khám phá ra các dấu hiệu

that best predict that a car accident

dự đoán tốt nhất rằng một tai nạn xe hơi

is going to take place in the next five seconds.

sẽ xảy ra trong 5 giây tiếp theo.

And then what we will have datafied

Và rồi những gì chúng ta sẽ dữ liệu hóa

is driver fatigue,

sẽ là sự mệt mỏi của tài xế,

and the service would be when the car senses

và dịch vụ lúc đó sẽ là khi chiếc xe cảm nhận được

that the person slumps into that position,

rằng người tài xế đang rơi vào tình trạng mệt mỏi

automatically knows, hey, set an internal alarm

nó sẽ tự động biết và rồi cài một báo động bên trong

that would vibrate the steering wheel, honk inside

để làm rung bánh lái, và bóp kèn ở trong xe

to say, "Hey, wake up,

báo rằng, "Này! dậy đi,

pay more attention to the road."

chú ý đường đi kìa"

These are the sorts of things we can do

Đây là những thứ mà chúng ta có thể làm

when we datafy more aspects of our lives.

khi chúng ta dữ liệu hóa các khía cạnh trong cuộc sống của chúng ta nhiều hơn

So what is the value of big data?

Vậy thì giá trị của dữ liệu lớn là gì?

Well, think about it.

Nào, hãy nghĩ xem.

You have more information.

Bạn có nhiều thông tin hơn.

You can do things that you couldn't do before.

Bạn có thể làm những việc mà bạn không thể làm trước đó

One of the most impressive areas

Một trong những lĩnh vực ấn tượng nhất

where this concept is taking place

mà khái niệm này đang diễn ra

is in the area of machine learning.

là trong lĩnh vực máy học.

Machine learning is a branch of artificial intelligence,

Máy học là một nhánh của trí tuệ nhân tạo

which itself is a branch of computer science.

mà bản thân nó là một nhánh của khoa học máy tính.

The general idea is that instead of

Ý tưởng chung là thay vì

instructing a computer what do do,

phải hướng dẫn máy tính những gì phải làm

we are going to simply throw data at the problem

chúng ta sẽ chỉ ném dữ liệu liên quan đến vấn đề

and tell the computer to figure it out for itself.

và bảo máy tính tự tính toán.

And it will help you understand it

Và để giúp bạn hiểu vấn đề này

by seeing its origins.

hãy cùng nhìn lại nguồn gốc của nó.

In the 1950s, a computer scientist

Vào những năm 1950,

at IBM named Arthur Samuel liked to play checkers,

Một nhà khoa học máy tính của IBM tên Arthur Samuel thích chơi cờ,

so he wrote a computer program

nên ông ấy viết một chương trình máy tính

so he could play against the computer.

để ông ấy có thể chơi cờ với máy tính

He played. He won.

Ông ấy chơi. Ông ấy thắng.

He played. He won.

Ông ấy chơi. Ông ấy thắng,

He played. He won,

Ông ấy chơi. Ông ấy thắng,

because the computer only knew

vì máy tính chỉ biết

what a legal move was.

nước đi đúng luật là thế nào.

Arthur Samuel knew something else.

Arthur Samuel biết một số thứ khác.

Arthur Samuel knew strategy.

Arthur Samuel biết chiến lược.

So he wrote a small sub-program alongside it

Và như thế, bên cạnh đó, ông ấy viết một chương trình con.

operating in the background, and all it did

hoạt động trên nền của chương trình chính, và những gì nó làm

was score the probability

chỉ là ghi xác suất

that a given board configuration would likely lead

của bàn cờ cho sẵn có khả năng dẫn đến

to a winning board versus a losing board

một ván thắng hoặc một vấn thua

after every move.

sau mỗi nước đi.

He plays the computer. He wins.

Ông ấy chơi với máy tính. Ông ấy thắng

He plays the computer. He wins.

Ông ấy chơi với máy tính. Ông ấy thắng

He plays the computer. He wins.

Ông ấy chơi với máy tính. Ông ấy thắng

And then Arthur Samuel leaves the computer

Và rồi Arthur Samuel để máy tính

to play itself.

tự chơi cờ với chính nó.

It plays itself. It collects more data.

Nó tự chơi cờ. Nó thu thập nhiều dữ liệu hơn.

It collects more data. It increases the accuracy of its prediction.

Nó thu thập nhiều dữ liệu hơn. Nó tăng độ chính xác về khả năng dự đoạn

And then Arthur Samuel goes back to the computer

Và rồi Arthur Samuel quay lại máy tính

and he plays it, and he loses,

và ông ấy chơi cờ với nó, và ông ấy thua

and he plays it, and he loses,

và ông ấy chơi, ông ấy thua

and he plays it, and he loses,

và ông ấy chơi, ông ấy thua

and Arthur Samuel has created a machine

và Arthur Samuel đã tạo ra một cỗ máy

that surpasses his ability in a task that he taught it.

vượt qua khả năng của ông ấy trong một việc mà chính ông ấy dạy nó.

And this idea of machine learning

Và ý tưởng này trong lĩnh vực máy học

is going everywhere.

đang được ứng dụng ở mọi nơi.

How do you think we have self-driving cars?

Bạn nghĩ làm sao chúng ta có xe hơi lái tự động?

Are we any better off as a society

Xã hội chúng ta có khá hơn không

enshrining all the rules of the road into software?

khi chúng ta nhập tất cả các luật giao thông vào phần mềm?

No. Memory is cheaper. No.

Không. Bộ nhớ rẻ hơn? Không

Algorithms are faster. No. Processors are better. No.

Các thuật toán xử lý nhanh hơn? Không Bộ vi xử lý tốt hơn? Không

All of those things matter, but that's not why.

Tất cả những điều này đều quan trọng, nhưng đó không phải là lý do.

It's because we changed the nature of the problem.

Mà là vì chúng ta đã thay đổi bản chất của vấn đề.

We changed the nature of the problem from one

Từ một vấn đề mà chúng ta tìm cách để giải thích

in which we tried to overtly and explicitly

rõ ràng và dứt khoát

explain to the computer how to drive

cho máy tính hiểu rằng làm thế nào để lái xe

to one in which we say,

đến một vấn đề mà chúng ta nói rằng,

"Here's a lot of data around the vehicle.

"Đây là tập dữ liệu xung quanh chiếc xe.

You figure it out.

Hãy tự xử lý dữ liệu này.

You figure it out that that is a traffic light,

Hãy tự luận ra rằng đó là đèn giao thông,

that that traffic light is red and not green,

rằng đèn giao thông đó đang là đèn đỏ không phải đèn xanh

that that means that you need to stop

rằng điều đó có nghĩa là bạn phải dừng lại

and not go forward."

và không đi về phía trước."

Machine learning is at the basis

Máy học là nền tảng cơ bản

of many of the things that we do online:

của rất nhiều thứ chúng ta làm trên mạng:

search engines,

các công cụ tìm kiếm,

Amazon's personalization algorithm,

Thuật toán cá nhân hóa của Amazon,

computer translation,

máy tính dịch thuật,

voice recognition systems.

hệ thống xác nhận giọng nói.

Researchers recently have looked at

Gần đây, các nhà nghiên cứu đã tìm hiểu

the question of biopsies,

về các vấn đề sinh thiết

cancerous biopsies,

sinh thiết ung thư,

and they've asked the computer to identify

và họ đã nhờ máy tính xác định,

by looking at the data and survival rates

bằng cách nhìn vào dữ liệu và chỉ số sống sót

to determine whether cells are actually

để xác nhận rằng những tế bào này

cancerous or not,

có thật sự bị ung thư hay không,

and sure enough, when you throw the data at it,

và chắc chắn rằng, khi bạn nhập dữ liệu vào máy tính,

through a machine-learning algorithm,

qua một thuật toán máy học

the machine was able to identify

cỗ máy có thể xác định

the 12 telltale signs that best predict

những dấu hiệu dự đoán tốt nhất

that this biopsy of the breast cancer cells

rằng sinh thiết của các tế bào ung thư vú này

are indeed cancerous.

thật sự bị ung thư.

The problem: The medical literature

Vấn đề: Tài liệu y học

only knew nine of them.

chỉ biết được 9 dấu hiệu.

Three of the traits were ones

Trong đó, có 3 dấu hiệu

that people didn't need to look for,

mà mọi người không cần phải tìm kiếm

but that the machine spotted.

nhưng cỗ máy phát hiện ra.

Now, there are dark sides to big data as well.

Dữ liệu lớn cũng có mặt tối của nó.

It will improve our lives, but there are problems

Nó sẽ cải thiện cuộc sống của chúng ta, nhưng có những vấn đề

that we need to be conscious of,

mà chúng ta nên cảnh giác,

and the first one is the idea

và điều đầu tiên đó là quan niệm

that we may be punished for predictions,

rằng chúng ta có thể bị trừng phạt do các dự đoán,

that the police may use big data for their purposes,

rằng cảnh sát có thể sử dụng dữ liệu lớn cho mục đích của họ,

a little bit like "Minority Report."

tựa như phim "Minority Report"

Now, it's a term called predictive policing,

Nó là một thuật ngữ gọi là giám sát dự báo

or algorithmic criminology,

hoặc thuật toán tội phạm học,

and the idea is that if we take a lot of data,

và khái niệm đó là: nếu chúng ta lấy nhiều dữ liệu,

for example where past crimes have been,

ví dụ dữ liệu về các địa điểm xảy ra tội phạm

we know where to send the patrols.

chúng ta sẽ biết nơi cần gửi đội tuần tra.

That makes sense, but the problem, of course,

Điều đó là hợp lý, nhưng vấn đề, dĩ nhiên

is that it's not simply going to stop on location data,

không phải chỉ dừng về ở dữ liệu định vị,

it's going to go down to the level of the individual.

nó sẽ xuống cấp độ thu thập dữ liệu của từng cá nhân

Why don't we use data about the person's

Tại sao chúng ta không dùng dữ liệu để biết về

high school transcript?

bảng điểm cấp 3 của một người nào đó?

Maybe we should use the fact that

Có thể chúng ta nên dùng sự thật như

they're unemployed or not, their credit score,

họ thất nghiệp hay không, điểm tín dụng,

their web-surfing behavior,

cách họ lướt web

whether they're up late at night.

hay họ có thức khuya hay không.

Their Fitbit, when it's able to identify biochemistries,

Chí số Fitbit, khi nó có khả năng xác định các hóa sinh,

will show that they have aggressive thoughts.

sẽ chỉ ra rằng họ có suy nghĩ hiếu chiến.

We may have algorithms that are likely to predict

Chúng ta có thể có những thuật toán có khả năng dự đoán

what we are about to do,

những gì chúng ta sẽ làm,

and we may be held accountable

và chúng ta có phải chịu trách nhiệm

before we've actually acted.

trước khi chúng ta thật sự làm những điều đó

Privacy was the central challenge

Bảo mật là thách thức trọng tâm

in a small data era.

trong thời đại dữ liệu nhỏ.

In the big data age,

Trong thời đại dữ liệu lớn,

the challenge will be safeguarding free will,

thách thức sẽ là bảo vệ tự do,

moral choice, human volition,

lựa chọn đạo đức, ý chí con người,

human agency.

tính chủ thể.

There is another problem:

Còn có một vấn đề nữa:

Big data is going to steal our jobs.

Dữ liệu lớn sẽ cướp đi việc làm của chúng ta.

Big data and algorithms are going to challenge

Dữ liệu lớn và các thuật toán sẽ thách thức

white collar, professional knowledge work

công việc văn phòng, công việc chuyên môn

in the 21st century

trong thế kỷ 21

in the same way that factory automation

trong cùng một cách mà máy móc tự động

and the assembly line

và dây chuyền lắp ráp

challenged blue collar labor in the 20th century.

thách thức công nhân ở thế kỉ 20

Think about a lab technician

Hãy nghĩ về kỹ thuật viên phòng thí nghiệm

who is looking through a microscope

người tìm hiểu vấn đề qua một cái kính hiển vi

at a cancer biopsy

ở viện sinh thiết ung thư

and determining whether it's cancerous or not.

và xác định xem sinh thiết này có bị ung thư hay không.

The person went to university.

Người này đã học xong đại học

The person buys property.

Người này mua nhà.

He or she votes.

Anh ấy hoặc cô ấy bỏ phiếu.

He or she is a stakeholder in society.

Anh ấy hoặc cô ấy là một nhân tố trong xã hội.

And that person's job,

Và việc làm của người đó,

as well as an entire fleet

cũng như toàn bộ đội ngũ

of professionals like that person,

của những người chuyên môn giống như người đó

is going to find that their jobs are radically changed

sẽ thấy rằng việc làm của họ bị thay đổi một cách triệt để

or actually completely eliminated.

hoặc bị loại bỏ hoàn toàn.

Now, we like to think

Chúng ta thích nghĩ rằng

that technology creates jobs over a period of time

công nghệ sẽ tạo nên việc làm sau một khoảng thời gian

after a short, temporary period of dislocation,

sau khoản thời gian rối loạn tạm thời,

and that is true for the frame of reference

và điều đó là đúng cho các khung tham chiếu

with which we all live, the Industrial Revolution,

mà chúng ta sống, Cách mạng công nghiệp,

because that's precisely what happened.

vì đó chính xác là những gì đã xảy ra.

But we forget something in that analysis:

Nhưng chúng ta quên điều gì đó trong bài phân tích đấy:

There are some categories of jobs

Có một số loại công việc

that simply get eliminated and never come back.

đơn giản là bị loại bỏ hoàn toàn và không bao giờ quay lại.

The Industrial Revolution wasn't very good

Cách mạng công nghiệp không hề tốt

if you were a horse.

nếu bạn là một con ngựa.

So we're going to need to be careful

Do đó chúng ta phải thận trọng

and take big data and adjust it for our needs,

trong việc sử dụng dữ liệu lớn và điều chỉnh nó cho nhu cầu của chúng ta

our very human needs.

nhu cầu rất con người của chúng ta.

We have to be the master of this technology,

Chúng ta phải là chủ của công nghệ này,

not its servant.

chứ không phải là người hầu của nó.

We are just at the outset of the big data era,

Chúng ta chỉ khởi đầu một kỷ nguyên của dữ liệu lớn

and honestly, we are not very good

và thành thật mà nói, chúng ta không hề giỏi

at handling all the data that we can now collect.

trong việc xử lý tất cả các dữ liệu mà chúng ta có thể thu thập.

It's not just a problem for the National Security Agency.

Nó không chỉ là vấn đề cho Cục An ninh Quốc gia.

Businesses collect lots of data, and they misuse it too,

Các doanh nghiệp thu thập rất nhiều dữ liệu và họ cũng lạm dụng nó.

and we need to get better at this, and this will take time.

Chúng ta phải làm tốt hơn và điều này sẽ tốn nhiều thời gian.

It's a little bit like the challenge that was faced

Nó giống như là thử thách mà

by primitive man and fire.

người nguyên thủy gặp phải với lửa

This is a tool, but this is a tool that,

Đây là một công cụ, nhưng là một công cụ mà

unless we're careful, will burn us.

nếu chúng ta không cẩn thận, sẽ thiêu cháy chúng ta.

Big data is going to transform how we live,

Dữ liệu lớn sẽ thay đổi cách sống của chúng ta

how we work and how we think.

cách chúng ta làm việc và cách chúng ta suy nghĩ.

It is going to help us manage our careers

Nó sẽ giúp chúng ta quản lý sự nghiệp của chúng ta

and lead lives of satisfaction and hope

và dẫn đến cuộc sống của sự hài lòng và hy vọng

and happiness and health,

và hạnh phúc và sức khỏe.

but in the past, we've often looked at information technology

Nhưng ở trong quá khứ, chúng ta thường nhìn vào công nghệ thông tin

and our eyes have only seen the T,

và con mắt chúng ta chỉ nhìn thấy những thứ như,

the technology, the hardware,

công nghệ, phần mềm,

because that's what was physical.

những thứ vật chất.

We now need to recast our gaze at the I,

Chúng ta phải đúc kết lại cái nhìn của chúng ta,

the information,

nhìn vào thông tin,

which is less apparent,

dù nó ít rõ ràng hơn

but in some ways a lot more important.

nhưng trong một số khía cạnh quan trọng hơn rất nhiều.

Humanity can finally learn from the information

Nhân loại cuối cùng cũng có thể học hỏi từ những thông tin

that it can collect,

mà nó có thể thu thập,

as part of our timeless quest

như một phần của cuộc thám hiểm vô tận của chúng ta

to understand the world and our place in it,

để hiểu về thế giới và vị trí của chúng ta trong thế giới,

and that's why big data is a big deal.

và đó là lý do tại sao dữ liệu lớn là một vấn đề quan trọng.

(Applause)

(vỗ tay)