WEBVTT

00:00:00.787 --> 00:00:04.632
アメリカで人気のパイと言えば？

00:00:04.632 --> 00:00:08.138
聴衆：「アップルパイ」
もちろん アップルパイですよね

00:00:08.138 --> 00:00:09.369
どうして分かるのでしょうか？

00:00:09.369 --> 00:00:12.122
データがあるからです

00:00:12.122 --> 00:00:14.188
スーパーの売上げを考えてみましょう

00:00:14.188 --> 00:00:17.054
30cmの冷凍パイの売上げについてです

00:00:17.054 --> 00:00:21.129
アップルパイが断トツ１位です

00:00:21.129 --> 00:00:26.309
売上げの大部分がアップルパイです

00:00:26.309 --> 00:00:29.273
ところが スーパーが小さな

00:00:29.273 --> 00:00:31.856
11ｃｍセンチのパイを売り始めると

00:00:31.856 --> 00:00:36.030
突然 アップルパイは
４､５番目に転落しまいました

00:00:36.030 --> 00:00:38.905
なぜでしょうか？
何が起こったのでしょうか？

00:00:38.905 --> 00:00:41.723
考えてみてください

00:00:41.723 --> 00:00:45.571
30cmのパイを買う時は

00:00:45.571 --> 00:00:47.832
家族全員の希望に沿うパイを選びます

00:00:47.832 --> 00:00:51.623
アップルパイは家族の第二希望なのです

00:00:51.623 --> 00:00:53.558
（笑）

00:00:53.558 --> 00:00:57.173
でも 個人用の11cmのパイを買う時は

00:00:57.173 --> 00:01:00.918
自分が欲しいパイを買います

00:01:00.918 --> 00:01:04.933
自分の第一希望を買えるのです

00:01:04.933 --> 00:01:06.574
データがたくさんあると

00:01:06.574 --> 00:01:08.128
データが少ない時には

00:01:08.128 --> 00:01:09.260
分からなかったことが

00:01:09.260 --> 00:01:13.213
分かってくるのです

00:01:13.213 --> 00:01:15.688
つまり より多くのデータがあると

00:01:15.688 --> 00:01:17.971
多くが見えるだけでなく

00:01:17.971 --> 00:01:19.825
見ていたことからも多くが分かるのです

00:01:19.825 --> 00:01:23.438
データが多いほど
新しいことが分かってきます

00:01:23.438 --> 00:01:26.532
より良い見方や

00:01:26.532 --> 00:01:30.188
違う見方ができるようになります

00:01:30.188 --> 00:01:33.361
この例で　分かることは

00:01:33.361 --> 00:01:36.274
「アメリカで人気のパイは

00:01:36.274 --> 00:01:38.816
アップルパイではない」ということです

00:01:38.816 --> 00:01:42.430
皆さんは「ビッグデータ」という言葉を
お聞きになられたことがあるでしょう

00:01:42.430 --> 00:01:44.487
もしかしたら 耳にタコがでくるくらい

00:01:44.487 --> 00:01:46.117
お聞きになっているかもしれません

00:01:46.117 --> 00:01:49.447
ビッグデータは
誇大宣伝されている部分もあり

00:01:49.447 --> 00:01:51.779
非常に残念なことです

00:01:51.779 --> 00:01:54.825
なぜなら ビッグデータは
社会の進歩に欠かせない

00:01:54.825 --> 00:01:58.559
非常に重要なツールだからです

00:01:58.559 --> 00:02:02.120
昔は 少ないデータから

00:02:02.120 --> 00:02:03.824
世界を理解しようと

00:02:03.824 --> 00:02:05.320
考えてきました

00:02:05.320 --> 00:02:07.311
現在は 以前では考えられなかった程の

00:02:07.311 --> 00:02:10.032
大量のデータがあるのです

00:02:10.032 --> 00:02:11.910
大量のデータがあると

00:02:11.910 --> 00:02:14.634
データ量が少なかった時に
不可能だったことが

00:02:14.634 --> 00:02:17.910
根本的に可能になる
ということが分かってきました

00:02:17.910 --> 00:02:20.551
ビッグデータは重要で 新しいものです

00:02:20.551 --> 00:02:22.328
ビックデータについて考えてみると

00:02:22.328 --> 00:02:24.544
地球規模の課題について－

00:02:24.544 --> 00:02:26.333
食糧問題や医療の供給

00:02:26.333 --> 00:02:29.870
エネルギーや電力の供給などに

00:02:29.870 --> 00:02:32.680
対処する唯一の方法であり

00:02:32.680 --> 00:02:34.469
地球温暖化の影響で

00:02:34.469 --> 00:02:35.707
カリカリに焼けることがないように

00:02:35.707 --> 00:02:39.902
データを効率的に使うことが必要なのです

00:02:39.902 --> 00:02:43.772
ビッグデータの新しいモノとは何で
重大事とは何でしょうか？

00:02:43.772 --> 00:02:46.289
その問いに答えるために

00:02:46.289 --> 00:02:48.185
情報がどのようなもので

00:02:48.185 --> 00:02:51.219
過去には 物理的にどう映っていたのかを
考えてみましょう

00:02:51.219 --> 00:02:54.830
1908年 クレタ島で

00:02:54.830 --> 00:02:59.565
考古学者が粘土の円盤を発見しました

00:02:59.565 --> 00:03:03.624
4.000年前の紀元前2,000年のものです

00:03:03.624 --> 00:03:05.628
この円盤には文字が書かれていますが

00:03:05.628 --> 00:03:06.955
実質的には 解読できません

00:03:06.955 --> 00:03:09.053
完全に謎なのですが

00:03:09.053 --> 00:03:10.981
4,000年前の情報がどんなもの

00:03:10.981 --> 00:03:13.070
だったのかを言いたいのです

00:03:13.070 --> 00:03:15.618
これが 社会が情報を保管して

00:03:15.618 --> 00:03:19.142
伝えたやり方です

00:03:19.142 --> 00:03:23.302
さて 社会はそれほど進歩しませんでした

00:03:23.302 --> 00:03:26.776
今でもディスクに情報を保管しています

00:03:26.776 --> 00:03:29.960
でも 以前よりもずっと大量の情報を

00:03:29.960 --> 00:03:31.220
保管できるのです

00:03:31.220 --> 00:03:34.313
検索やコピーも より簡単です

00:03:34.313 --> 00:03:37.813
共有や処理も より簡単です

00:03:37.813 --> 00:03:40.579
情報を収集する時

00:03:40.579 --> 00:03:42.413
かつては想像だにしなかった

00:03:42.413 --> 00:03:45.608
情報の再利用もできるのです

00:03:45.608 --> 00:03:47.860
この点において データは

00:03:47.860 --> 00:03:51.392
固定的なモノから流動的なモノへ

00:03:51.392 --> 00:03:55.330
変化のない静的なモノから

00:03:55.330 --> 00:03:58.939
変わりやすくダイナミックスなモノへと
変化しているのです

00:03:58.939 --> 00:04:02.962
いうなれば
情報には流動性があります

00:04:02.962 --> 00:04:06.436
クレタ島で発見された

00:04:06.436 --> 00:04:10.200
4,000年前の円盤は重く

00:04:10.200 --> 00:04:12.162
情報はたくさん書かれていませんし

00:04:12.162 --> 00:04:15.278
書き変えることはできないのです

00:04:15.278 --> 00:04:19.289
対照的に エドワード・スノーデンが

00:04:19.289 --> 00:04:21.149
アメリカの国家安全保障局から

00:04:21.149 --> 00:04:23.771
持ち出したファイルはすべて

00:04:23.771 --> 00:04:26.190
指の爪サイズの

00:04:26.190 --> 00:04:29.200
USBに保存でき

00:04:29.200 --> 00:04:33.945
光速で共有できるのです

00:04:33.945 --> 00:04:39.200
データは膨れ上がっています

00:04:39.200 --> 00:04:41.174
さて 今日の世界に大量のデータがあるのは

00:04:41.174 --> 00:04:42.606
常時 情報を集めているモノを

00:04:42.606 --> 00:04:45.886
収集しているからです

00:04:45.886 --> 00:04:48.542
別の理由は 常に情報を含みつつも

00:04:48.542 --> 00:04:51.354
データ形式にレンダレングされていない

00:04:51.354 --> 00:04:53.840
ものを集めているからです

00:04:53.840 --> 00:04:56.259
そしてデータに置き換えます

00:04:56.259 --> 00:04:59.567
例として 場所について考えてみましょう

00:04:59.567 --> 00:05:01.816
マーティン・ルターを例に挙げます

00:05:01.816 --> 00:05:03.413
1,500年代に

00:05:03.413 --> 00:05:06.080
マーティン・ルターの居場所を知りたいのなら

00:05:06.080 --> 00:05:08.172
常に彼の後をついて行き

00:05:08.172 --> 00:05:10.309
羽ペンとインク入れを持ち運び

00:05:10.309 --> 00:05:11.985
居場所を記録しなければなりません

00:05:11.985 --> 00:05:14.168
でも 今日ではどうでしょうか

00:05:14.168 --> 00:05:16.290
電気通信業者のデータペースにより

00:05:16.290 --> 00:05:18.736
居場所が分かります

00:05:18.736 --> 00:05:21.772
常に あなたの居場所に関する情報を

00:05:21.772 --> 00:05:23.860
記録するスプレッドシートや

00:05:23.860 --> 00:05:25.923
データベースへの登録などがあります

00:05:25.923 --> 00:05:27.283
携帯電話を持っているなら

00:05:27.283 --> 00:05:30.130
GPS機能があります
GPS機能のない機種でも

00:05:30.130 --> 00:05:32.515
あなたの情報を記録できるのです

00:05:32.515 --> 00:05:36.599
つまり 場所はデータ化されるのです

00:05:36.599 --> 00:05:41.200
別の例として 姿勢について考えてみましょう

00:05:41.200 --> 00:05:42.485
今皆さん全員座っておられますが

00:05:42.485 --> 00:05:44.515
あなたの座り方

00:05:44.515 --> 00:05:47.286
あなたの座り方 あなたの座り方

00:05:47.286 --> 00:05:49.363
全て異なります
足の長さや

00:05:49.363 --> 00:05:51.456
背中や背中の曲線などが違います

00:05:51.456 --> 00:05:53.987
今皆さんが座られている椅子に

00:05:53.987 --> 00:05:55.753
100個のセンサーを付けるなら

00:05:55.753 --> 00:05:59.353
あなた独自の座り方の特徴を

00:05:59.353 --> 00:06:03.762
指ではないですが 指紋のように
分類できるのです

00:06:03.762 --> 00:06:06.731
これで何ができるのでしょうか？

00:06:06.731 --> 00:06:09.128
東京の研究者は

00:06:09.128 --> 00:06:13.516
これを車の盗難防止装置
として使えると考えています

00:06:13.516 --> 00:06:16.440
運転席に車泥棒が座るという発想により

00:06:16.440 --> 00:06:18.544
防犯につなげようとしています

00:06:18.544 --> 00:06:20.906
認証されていないドライバーが
運転席に座ると

00:06:20.906 --> 00:06:23.070
「自分は認証されたドライバーである」

00:06:23.070 --> 00:06:26.247
と伝えるために
ダッシュボードにパスワードを入力しないと

00:06:26.247 --> 00:06:30.905
エンジンが始動しないかもしれません
素晴らしいですね

00:06:30.905 --> 00:06:33.458
ヨーロッパで全ての車が
この技術を搭載すると

00:06:33.458 --> 00:06:34.915
どうなるのでしょうか？

00:06:34.915 --> 00:06:38.080
その時 何ができるのでしょうか？

00:06:38.080 --> 00:06:40.320
おそらく データを収集すると

00:06:40.320 --> 00:06:44.134
車の事故が 次の５秒で起こることを

00:06:44.134 --> 00:06:46.843
ピタリと言い当てることが

00:06:46.843 --> 00:06:52.736
できるかもしれません

00:06:52.736 --> 00:06:55.293
そして ドライバーの疲労を

00:06:55.293 --> 00:06:57.076
データ化し

00:06:57.076 --> 00:06:59.410
車がドライバーの姿勢が悪くなってきたと

00:06:59.410 --> 00:07:02.847
感じたら 自動的に
内部アラームを設定します

00:07:02.847 --> 00:07:06.841
ハンドルを振動させたり

00:07:06.841 --> 00:07:08.866
「起きてください

00:07:08.866 --> 00:07:10.587
道路にもっと注意を向けましょう」と

00:07:10.587 --> 00:07:12.491
言葉で教えてくれます

00:07:12.491 --> 00:07:14.344
暮らしの様々な側面をデータ化すると

00:07:14.344 --> 00:07:17.165
私たちのできることを分類できます

00:07:17.165 --> 00:07:20.840
つまり ビックデータの価値とは
何でしょうか？

00:07:20.840 --> 00:07:23.030
考えてみてください

00:07:23.030 --> 00:07:25.442
あなたは より多くの情報を持っており

00:07:25.442 --> 00:07:28.783
以前にはできなかったことが
できるのです

00:07:28.783 --> 00:07:30.459
このコンセプトが生じる

00:07:30.459 --> 00:07:32.188
最も印象的な領域の１つが

00:07:32.188 --> 00:07:35.495
機械学習の領域です

00:07:35.495 --> 00:07:38.572
機械学習とは 人口知能に含まれ

00:07:38.572 --> 00:07:41.950
コンピュータ・サイエンスの１つです

00:07:41.950 --> 00:07:43.493
その概念は コンピュータに

00:07:43.493 --> 00:07:45.610
何をするかを教える代わりに

00:07:45.610 --> 00:07:48.230
単純に問題となるデータを投げると

00:07:48.230 --> 00:07:51.436
コンピュータが独自に解明してくれるのです

00:07:51.436 --> 00:07:53.213
その起源を辿ると

00:07:53.213 --> 00:07:56.765
分かりやすいでしょう

00:07:56.765 --> 00:07:59.153
1950年代 アーサー・サミュエルという

00:07:59.153 --> 00:08:02.745
IBMのコンピュータ科学者は
チェッカーが好きでした

00:08:02.745 --> 00:08:04.147
コンピュータ・プログラムを書き

00:08:04.147 --> 00:08:06.960
彼はコンピュータと対戦しました

00:08:06.960 --> 00:08:09.671
彼は対戦して 勝ちました

00:08:09.671 --> 00:08:11.774
彼は対戦して 勝ちました

00:08:11.774 --> 00:08:14.789
彼は対戦して 勝ちました

00:08:14.789 --> 00:08:16.567
コンピュータが正式なルールしか

00:08:16.567 --> 00:08:18.794
知らなかったからです

00:08:18.794 --> 00:08:20.881
アーサー・サミュエルは
すごいことを知っていました

00:08:20.881 --> 00:08:25.510
彼は 戦略を知っていました

00:08:25.510 --> 00:08:27.906
彼はサブプログラムを作成して

00:08:27.906 --> 00:08:29.880
バックグラウンドで走らせました

00:08:29.880 --> 00:08:31.697
サブプログラムは 一手ごとに

00:08:31.697 --> 00:08:34.260
その盤面の配置から

00:08:34.260 --> 00:08:37.169
勝つ確率と負ける確率を

00:08:37.169 --> 00:08:39.678
記録したのです

00:08:39.678 --> 00:08:42.828
彼はコンピュータと対戦して 勝ちました

00:08:42.828 --> 00:08:45.336
彼はコンピュータと対戦して 勝ちました

00:08:45.336 --> 00:08:49.067
彼はコンピュータと対戦して 勝ちました

00:08:49.067 --> 00:08:51.344
そして アーサー・サミュエルは

00:08:51.344 --> 00:08:53.571
コンピュータ自体が
ゲームをするようにしました

00:08:53.571 --> 00:08:57.080
コンピュータは独自にゲームをし
より多くのデータを集めました

00:08:57.080 --> 00:09:01.389
より多くのデータを集めると
予測の精度も上がります

00:09:01.389 --> 00:09:03.493
そしてアーサー・サミュエルは

00:09:03.493 --> 00:09:05.811
コンピュータの所へ戻り
対戦して 負けました

00:09:05.811 --> 00:09:07.880
彼は対戦して 負けました

00:09:07.880 --> 00:09:09.927
彼は対戦して 負けました

00:09:09.927 --> 00:09:12.526
アーサー・サミュエルは
教えたタスクで

00:09:12.526 --> 00:09:18.814
彼の能力を凌ぐ
コンピュータを作りあげました

00:09:18.814 --> 00:09:21.312
機械学習という発想は

00:09:21.312 --> 00:09:25.239
どこにでもあります

00:09:25.239 --> 00:09:28.388
自動運転車はどのように
作られたと思いますか？

00:09:28.388 --> 00:09:30.525
ソフトウェアに
全道路法規を記入すると

00:09:30.525 --> 00:09:33.810
より豊かな社会なのでしょうか？

00:09:33.810 --> 00:09:36.408
いいえ 　記憶装置は安価？
いいえ

00:09:36.408 --> 00:09:40.402
アルゴリズムがより速い？　いいえ
プロセッサがより良い？　いいえ

00:09:40.402 --> 00:09:43.174
それらはすべて重要ですが
それが理由ではありません

00:09:43.174 --> 00:09:46.315
問題の性質を変えているからです

00:09:46.315 --> 00:09:47.845
私たちの言わんとすることを－

00:09:47.845 --> 00:09:50.090
例えば
「自動車の周辺には多くの情報があり

00:09:50.090 --> 00:09:52.671
皆さんは それを理解しています

00:09:52.671 --> 00:09:53.987
信号機についても理解しています

00:09:53.987 --> 00:09:55.863
信号機は赤で青ではないので

00:09:55.863 --> 00:09:57.396
停止する必要があり

00:09:57.396 --> 00:09:59.263
前進できません」ということを

00:09:59.263 --> 00:10:01.344
コンピュータに明確に

00:10:01.344 --> 00:10:03.358
説明しようと試みていた

00:10:03.358 --> 00:10:06.441
問題の性質を変えてしまいました

00:10:06.441 --> 00:10:07.959
機械学習は 私たちが

00:10:07.959 --> 00:10:09.950
ネット上で行う多くの事の
根底となっています

00:10:09.950 --> 00:10:11.807
例えば 検索エンジン

00:10:11.807 --> 00:10:15.608
Amazonのパーソナライズ・アルゴリズム

00:10:15.608 --> 00:10:17.820
自動翻訳

00:10:17.820 --> 00:10:22.110
音声認識などです

00:10:22.110 --> 00:10:24.945
最近 研究者は生検や

00:10:24.945 --> 00:10:28.140
ガンの生検について

00:10:28.140 --> 00:10:30.907
研究しており

00:10:30.907 --> 00:10:33.222
細胞が実際ガンに冒されているか

00:10:33.222 --> 00:10:35.693
どうかを調べるために

00:10:35.693 --> 00:10:40.360
データや生存率を使って

00:10:40.360 --> 00:10:42.904
コンピュータに
特定させようとしています

00:10:42.904 --> 00:10:44.682
案の定 データを入力すると

00:10:44.682 --> 00:10:46.729
機会学習のアルゴリズム経由で

00:10:46.729 --> 00:10:48.606
コンピュータは12個の兆候を

00:10:48.606 --> 00:10:50.868
特定することで

00:10:50.868 --> 00:10:54.167
乳ガン細胞の生検結果はガンであると

00:10:54.167 --> 00:10:57.385
ビタリと予測します

00:10:57.385 --> 00:10:59.883
問題は 医学文献が

00:10:59.883 --> 00:11:02.672
９個しか兆候を知らなかったことです

00:11:02.672 --> 00:11:04.472
特性のうち ３個は

00:11:04.472 --> 00:11:07.447
探す必要がないものでしたが

00:11:07.447 --> 00:11:12.978
コンピュータは見つけました

00:11:12.978 --> 00:11:18.903
さて　ビックデータにも負の側面があります

00:11:18.903 --> 00:11:20.977
私たちの暮らしを向上させますが

00:11:20.977 --> 00:11:23.617
意識しなければならない
問題もあります

00:11:23.617 --> 00:11:26.240
最初の問題は

00:11:26.240 --> 00:11:28.926
『マイノリティ・リポート』のように

00:11:28.926 --> 00:11:32.796
警察が目的のためにビックデータを使って

00:11:32.796 --> 00:11:35.147
予測に基づいて
罰するかもしれないということです

00:11:35.147 --> 00:11:37.588
さて 予測警備とか

00:11:37.588 --> 00:11:39.951
アルゴリズム的犯罪学
という用語です

00:11:39.951 --> 00:11:41.987
例えば 過去の犯罪がどこで起こったか

00:11:41.987 --> 00:11:44.146
というデータがたくさんあると

00:11:44.146 --> 00:11:46.689
パトロールすべき所が分かる
という考え方です

00:11:46.689 --> 00:11:48.804
その通りですが もちろん問題もあります

00:11:48.804 --> 00:11:53.348
場所のデータだけで止まらず

00:11:53.348 --> 00:11:56.307
個人レベルにまで下りていってしまうことです

00:11:56.307 --> 00:11:58.557
個人の高校の成績証明書のデータを

00:11:58.557 --> 00:12:00.785
使うのはどうでしょうか？

00:12:00.785 --> 00:12:02.346
失業しているのかどうか

00:12:02.346 --> 00:12:04.374
信用情報
ネットサーフィンの行動パターン

00:12:04.374 --> 00:12:05.926
夜更かしするのかどうか などを

00:12:05.926 --> 00:12:07.804
使うかもしれません

00:12:07.804 --> 00:12:10.965
Fitbit による生化学情報を得れば

00:12:10.965 --> 00:12:15.201
使用者が積極的な考え方をしていることさえ分かります

00:12:15.201 --> 00:12:17.422
私たちの行動を予測し得る

00:12:17.422 --> 00:12:19.055
アルゴリズムがあり

00:12:19.055 --> 00:12:20.299
実際に私たちが行動する前に

00:12:20.299 --> 00:12:22.889
責任を負うことになるかもしれません

00:12:22.889 --> 00:12:24.621
スモールデータの時代では

00:12:24.621 --> 00:12:27.501
プライバシーが中心的な課題でしたが

00:12:27.501 --> 00:12:29.650
ビックデータの時代では

00:12:29.650 --> 00:12:34.173
課題は 自由意思や道徳基準の選択

00:12:34.173 --> 00:12:37.952
人間の決断力や行為主体性などを

00:12:37.952 --> 00:12:41.020
保護することです

00:12:42.540 --> 00:12:44.765
ビックデータに職を奪われるという

00:12:44.765 --> 00:12:48.321
別の問題もあります

00:12:48.321 --> 00:12:51.833
ビックデータやアルゴリズムは

00:12:51.833 --> 00:12:54.894
20世紀に 工場の自動化や

00:12:54.894 --> 00:12:56.547
組立ラインが

00:12:56.547 --> 00:12:58.981
ブルーカラーに対抗したように

00:12:58.981 --> 00:13:01.170
21世紀には
ホワイトカラーや専門職に

00:13:01.170 --> 00:13:04.196
対抗することになるでしょう

00:13:04.196 --> 00:13:06.288
顕微鏡を使って

00:13:06.288 --> 00:13:07.697
ガン生検を調べて

00:13:07.697 --> 00:13:09.321
ガンであるかどうかを決める

00:13:09.321 --> 00:13:11.958
検査技師について考えてみましょう

00:13:11.958 --> 00:13:13.930
その検査技師は大学教育を受けました

00:13:13.930 --> 00:13:15.360
不動産物件を買ったり

00:13:15.360 --> 00:13:17.101
投票したり

00:13:17.101 --> 00:13:20.767
社会への出資者でもあります

00:13:20.767 --> 00:13:22.161
そして 検査技師の仕事とは

00:13:22.161 --> 00:13:23.770
同じような専門職の一群と同様に

00:13:23.770 --> 00:13:25.739
同じような専門職の一群と同様に

00:13:25.739 --> 00:13:28.889
仕事内容が根本的に変わったり

00:13:28.889 --> 00:13:31.246
完全に無くなったりします

00:13:31.246 --> 00:13:32.530
短い一時的な混乱の後

00:13:32.530 --> 00:13:35.717
長年に渡って
テクノロジーが仕事を作ってきた

00:13:35.717 --> 00:13:39.182
ことについて考えてください

00:13:39.182 --> 00:13:41.123
私たちが暮らす枠組み

00:13:41.123 --> 00:13:43.265
産業革命－は真実で

00:13:43.265 --> 00:13:45.593
まさに起こったことです

00:13:45.593 --> 00:13:47.926
しかし その分析で
忘れていることがあります

00:13:47.926 --> 00:13:49.756
それはなくなり　　
二度と戻ってこなかった

00:13:49.756 --> 00:13:53.176
職種があるということです

00:13:53.176 --> 00:13:55.180
産業革命は あまり有難くないものでした

00:13:55.180 --> 00:13:59.182
あなたが馬であれば

00:13:59.182 --> 00:14:01.237
ですから　注意深く ビックデータを取扱い

00:14:01.237 --> 00:14:04.751
私たちのニーズ
非常に人間的なニーズのために

00:14:04.751 --> 00:14:07.936
調整していく必要があります

00:14:07.936 --> 00:14:09.890
私たちは　この技術の召使ではなく

00:14:09.890 --> 00:14:11.546
所有者にならなければなりません

00:14:11.546 --> 00:14:14.504
ビックデータの時代は
始まったばかりなので

00:14:14.504 --> 00:14:17.654
正直言って 今集められた全データに

00:14:17.654 --> 00:14:21.861
私たちは　あまりうまく対処できていません

00:14:21.861 --> 00:14:25.191
国家安全保障局だけの
問題ではありません

00:14:25.191 --> 00:14:28.229
企業も多くのデータを集め
乱用しています

00:14:28.229 --> 00:14:31.896
うまく使えるようになるには　時間がかかります

00:14:31.896 --> 00:14:33.718
原始人と火が直面していた課題に

00:14:33.718 --> 00:14:36.125
ちょっと似ています

00:14:36.125 --> 00:14:38.010
これはツールですが

00:14:38.010 --> 00:14:41.569
注意しないと
私たちを焼いてしまうツールなのです

00:14:44.008 --> 00:14:47.128
ビックデータは
生き方や働き方や考え方を

00:14:47.128 --> 00:14:49.929
変えていくことでしょう

00:14:49.929 --> 00:14:51.818
私たちのキャリアを管理して

00:14:51.818 --> 00:14:55.452
満足して希望が持て
幸福で健康な暮らしに

00:14:55.452 --> 00:14:58.444
導くことでしょう

00:14:58.444 --> 00:15:01.750
しかし 過去に
情報技術でよくあったように

00:15:01.750 --> 00:15:03.958
物理的なものであるＴ－

00:15:03.958 --> 00:15:05.644
技術やハードウェアに

00:15:05.644 --> 00:15:07.906
目が行きがちになります

00:15:07.906 --> 00:15:10.830
明確でない部分があるものの

00:15:10.830 --> 00:15:12.210
いくつかの点において

00:15:12.210 --> 00:15:13.583
かなり重要である Ｉ－

00:15:13.583 --> 00:15:17.692
情報に再び着目する必要があります

00:15:17.692 --> 00:15:21.157
世界や私たちの居場所を理解するために

00:15:21.157 --> 00:15:23.575
時代を超えた冒険の一端として

00:15:23.575 --> 00:15:25.690
集めた情報から

00:15:25.690 --> 00:15:28.849
人間性がついに学べるのです

00:15:28.849 --> 00:15:34.480
そのことがビックデータが
重大事な理由なのです

00:15:34.480 --> 00:15:38.048
(拍手)