WEBVTT

00:00:00.787 --> 00:00:04.632
Ulubione ciasto Amerykanów to...?

NOTE Paragraph

00:00:04.632 --> 00:00:08.138
Publiczność: Szarlotka.
Kenneth Cukier: Szarlotka, oczywiście.

00:00:08.138 --> 00:00:09.369
Skąd to wiemy?

00:00:09.369 --> 00:00:12.122
Dzięki danym.

00:00:12.122 --> 00:00:14.188
Patrzymy na sprzedaż w supermarketach,

00:00:14.188 --> 00:00:18.214
na sprzedaż 30-centymetrowych
mrożonych ciast.

00:00:18.214 --> 00:00:21.129
Szarlotka wygrywa bezapelacyjnie.

00:00:21.129 --> 00:00:24.639
Większość sprzedanych ciast
stanowi szarlotka.

00:00:26.829 --> 00:00:31.856
Ale kiedy supermarkety zaczęły sprzedawać
mniejsze, 11-centymetrowe ciasta,

00:00:31.856 --> 00:00:36.030
szarlotka nagle spadła
na czwarte czy piąte miejsce.

00:00:36.030 --> 00:00:38.905
Dlaczego? Co się stało?

00:00:38.905 --> 00:00:41.723
Zastanówmy się.

00:00:41.723 --> 00:00:45.571
Kiedy kupuje się 30-centymetrowe ciasto,

00:00:45.571 --> 00:00:47.832
cała rodzina musi się zgodzić na smak,

00:00:47.832 --> 00:00:51.623
a szarlotka jest ich
drugim ulubionym ciastem.

00:00:51.623 --> 00:00:53.558
(Śmiech)

00:00:53.558 --> 00:00:57.173
Ale gdy kupuje się pojedyncze
11-centymetrowe ciasto,

00:00:57.173 --> 00:01:00.918
można wybrać to, na które się ma ochotę.

00:01:00.918 --> 00:01:04.933
Można wybrać ciasto,
które lubimy najbardziej.

00:01:04.933 --> 00:01:06.574
Mamy więcej danych.

00:01:06.574 --> 00:01:09.258
Można dostrzec coś, czego nie było widać,

00:01:09.258 --> 00:01:13.213
mając do dyspozycji mniej danych.

NOTE Paragraph

00:01:13.213 --> 00:01:15.688
Ale większa ilość danych

00:01:15.688 --> 00:01:17.721
nie tylko pozwala dostrzec więcej

00:01:17.721 --> 00:01:20.085
na temat obserwowanych elementów.

00:01:20.085 --> 00:01:23.438
Większa ilość danych pozwala
dostrzec coś nowego.

00:01:23.438 --> 00:01:26.532
Pozwala widzieć lepiej.

00:01:26.532 --> 00:01:30.188
Pozwala patrzeć w inny sposób.

00:01:30.188 --> 00:01:33.361
W tym przypadku umożliwia odkrycie,

00:01:33.361 --> 00:01:36.274
jakie jest ulubione ciasto Amerykanów.

00:01:36.274 --> 00:01:38.816
Nie szarlotka.

NOTE Paragraph

00:01:38.816 --> 00:01:42.430
Na pewno każdy z was
słyszał termin "big data".

00:01:42.430 --> 00:01:46.117
Pewnie macie już dosyć
słuchania o tych "wielkich danych".

00:01:46.117 --> 00:01:49.447
To prawda, że jest sporo
zamieszania wokół tego pojęcia,

00:01:49.447 --> 00:01:51.779
a szkoda,

00:01:51.779 --> 00:01:54.825
ponieważ big data
to niesamowicie ważne narzędzie,

00:01:54.825 --> 00:01:58.559
dzięki któremu społeczeństwo
może się rozwinąć.

00:01:58.559 --> 00:02:02.120
W przeszłości analizowało się
małe zbiory danych,

00:02:02.120 --> 00:02:05.324
próbowało się wyciągnąć ogólne wnioski.

00:02:05.324 --> 00:02:07.311
Teraz mamy więcej danych,

00:02:07.311 --> 00:02:10.033
więcej, niż mogliśmy mieć wcześniej.

00:02:10.033 --> 00:02:11.910
Okazuje się, że kiedy posiadamy

00:02:11.910 --> 00:02:14.304
sporą ilość danych, możemy osiągnąć to,

00:02:14.304 --> 00:02:17.970
czego wcześniej nie mogliśmy,
mając dostęp tylko do małej ilości danych.

00:02:17.970 --> 00:02:20.551
Big data to ważna i nowa kwestia.

00:02:20.551 --> 00:02:22.328
Jakby się nad tym zastanowić,

00:02:22.328 --> 00:02:24.544
jedyny sposób,
by nasza planeta poradziła sobie

00:02:24.544 --> 00:02:26.333
z globalnymi wyzwaniami,

00:02:26.333 --> 00:02:29.870
takimi jak nakarmienie ludności
i zapewnienie opieki medycznej,

00:02:29.870 --> 00:02:32.520
dostępność energii i elektryczności
oraz dopilnowanie,

00:02:32.520 --> 00:02:35.919
żeby ludzie nie zamienili się w skwarki
z powodu globalnego ocieplenia,

00:02:35.919 --> 00:02:39.902
to efektywne wykorzystanie danych.

NOTE Paragraph

00:02:39.902 --> 00:02:43.772
A więc co jest takiego nowego
w big data? O co chodzi?

00:02:43.772 --> 00:02:46.289
Najpierw zastanówmy się,

00:02:46.289 --> 00:02:51.219
jaką fizyczną formę
miały kiedyś informacje.

00:02:52.249 --> 00:02:59.018
W 1908 roku na Krecie
archeologowie znaleźli gliniany dysk.

00:02:59.565 --> 00:03:03.624
Datowali go na rok 2000 p.n.e.,
czyli liczy sobie 4000 lat.

00:03:03.624 --> 00:03:06.845
Na dysku znajduje się inskrypcja,
ale nie wiemy, co oznacza.

00:03:06.845 --> 00:03:09.053
Jest to niewyjaśniona zagadka,
ale chodzi o to,

00:03:09.053 --> 00:03:13.070
że tak właśnie wyglądały
informacje 4000 lat temu.

00:03:13.070 --> 00:03:15.618
W ten sposób społeczeństwo przechowywało

00:03:15.618 --> 00:03:19.142
i przekazywało sobie informacje.

NOTE Paragraph

00:03:19.142 --> 00:03:23.302
Społeczeństwo
wcale się tak bardzo nie rozwinęło.

00:03:23.302 --> 00:03:26.776
Wciąż przechowujemy informacje na dyskach,

00:03:26.776 --> 00:03:31.180
choć teraz możemy przechować ich
więcej niż kiedykolwiek wcześniej.

00:03:31.180 --> 00:03:34.313
Wyszukiwanie jest łatwiejsze.
Kopiowanie jest łatwiejsze.

00:03:34.313 --> 00:03:37.813
Przekazywanie jest łatwiejsze.
Przetwarzanie jest łatwiejsze.

00:03:37.813 --> 00:03:40.579
Możemy również
ponownie wykorzystać te informacje

00:03:40.579 --> 00:03:42.413
na sposoby, o jakich nie śniliśmy,

00:03:42.413 --> 00:03:45.608
kiedy je zebraliśmy.

00:03:45.608 --> 00:03:47.860
W ten sposób dane przeszły

00:03:47.860 --> 00:03:51.392
od bycia zasobem
do bycia środkiem płynnym,

00:03:51.392 --> 00:03:55.330
od czegoś stacjonarnego i statycznego

00:03:55.330 --> 00:03:58.939
do czegoś płynnego i dynamicznego.

00:03:58.939 --> 00:04:02.962
W informacji jest swoista płynność.

00:04:02.962 --> 00:04:06.436
Dysk znaleziony na Krecie,

00:04:06.436 --> 00:04:10.200
i który liczy sobie 4000 lat, jest ciężki,

00:04:10.200 --> 00:04:12.162
nie zawiera wielu informacji

00:04:12.162 --> 00:04:15.278
i nie można ich zmienić.

00:04:15.278 --> 00:04:19.289
Dla porównania wszystkie pliki,

00:04:19.289 --> 00:04:21.100
które Edward Snowden zabrał

00:04:21.100 --> 00:04:23.911
z Agencji Bezpieczeństwa Narodowego
w Stanach Zjednoczonych,

00:04:23.911 --> 00:04:29.200
zmieściły się na karcie pamięci
o wielkości paznokcia

00:04:29.200 --> 00:04:33.185
i mogą być przesłane z prędkością światła.

00:04:33.945 --> 00:04:37.920
Więcej danych. Więcej.

NOTE Paragraph

00:04:39.130 --> 00:04:42.834
Mamy tak wiele danych między innymi
dlatego, że zbieramy coraz więcej rzeczy,

00:04:42.868 --> 00:04:45.886
o których zawsze zbieraliśmy informacje.

00:04:45.886 --> 00:04:48.542
Kolejnym powodem
jest też wykorzystywanie rzeczy,

00:04:48.542 --> 00:04:51.354
które zawsze dostarczały informacji,

00:04:51.354 --> 00:04:53.920
ale nigdy nie zostały
przetworzone w formie danych,

00:04:53.920 --> 00:04:56.259
a teraz przekształcamy je w dane.

00:04:56.259 --> 00:04:59.567
Zastanówcie się
na przykład nad lokalizacją.

00:04:59.567 --> 00:05:01.816
Weźmy Marcina Lutra.

00:05:01.816 --> 00:05:06.053
Gdybyśmy w XVI wieku chcieli wiedzieć,
gdzie jest Marcin Luter,

00:05:06.053 --> 00:05:08.172
musielibyśmy za nim cały czas podążać,

00:05:08.172 --> 00:05:10.309
pewnie z piórem i kałamarzem,

00:05:10.309 --> 00:05:11.985
żeby zapisywać dane.

00:05:11.985 --> 00:05:14.168
Teraz zastanówcie się,
jak to wygląda dzisiaj.

00:05:14.168 --> 00:05:16.290
Wiecie, że gdzieś,

00:05:16.290 --> 00:05:18.736
zapewne w bazie danych
operatora telefonicznego,

00:05:18.736 --> 00:05:21.772
znajduje się arkusz kalkulacyjny
albo wpis w bazie danych,

00:05:21.772 --> 00:05:25.850
cały czas zbierający informacje o tym,
gdzie się znajdujecie.

00:05:25.850 --> 00:05:28.833
Jeżeli macie telefon komórkowy
z systemem GPS,

00:05:28.833 --> 00:05:32.500
a nawet jeżeli nie ma tam GPS-u,
może on zbierać informacje o was.

00:05:32.500 --> 00:05:36.599
W ten sposób lokalizacja
została przekształcona w dane.

NOTE Paragraph

00:05:36.599 --> 00:05:42.480
Teraz pomyślcie o kwestii postury,
o sposobie, w jaki teraz siedzicie,

00:05:42.485 --> 00:05:44.515
w jaki ty siedzisz,

00:05:44.515 --> 00:05:47.286
w jaki ty siedzisz, ty również.

00:05:47.286 --> 00:05:49.363
Każdy jest inny i zależy to
od długości nóg

00:05:49.363 --> 00:05:51.456
czy kształtu pleców.

00:05:51.456 --> 00:05:53.987
Gdybym umieścił powiedzmy 100 sensorów

00:05:53.987 --> 00:05:55.753
w każdym z waszych krzeseł,

00:05:55.753 --> 00:05:59.353
mógłbym stworzyć indeks
podporządkowany do każdej z osób.

00:05:59.353 --> 00:06:03.762
Coś jak linie papilarne,
z tym że nie na palcu.

NOTE Paragraph

00:06:03.762 --> 00:06:06.731
Co moglibyśmy z tym zrobić?

00:06:06.731 --> 00:06:09.128
Badacze w Tokio wykorzystują to

00:06:09.128 --> 00:06:13.516
przy tworzeniu urządzeń
zapobiegającym kradzieży samochodów.

00:06:13.516 --> 00:06:16.390
Założenie jest takie,
że złodziej siada za kierownicą,

00:06:16.390 --> 00:06:18.644
próbuje odpalić samochód,
ale system rozpoznaje,

00:06:18.644 --> 00:06:21.006
że za kierownicą siedzi
nieautoryzowany kierowca,

00:06:21.006 --> 00:06:23.070
więc silnik musi zgasnąć,

00:06:23.070 --> 00:06:26.247
chyba że wpisze się hasło,

00:06:26.247 --> 00:06:30.905
by zapewnić samochód,
że możemy prowadzić. Świetnie.

NOTE Paragraph

00:06:30.905 --> 00:06:33.418
Co by się stało,
gdyby każdy samochód w Europie

00:06:33.418 --> 00:06:34.915
posiadał tę technikę?

00:06:34.915 --> 00:06:38.080
Co moglibyśmy wtedy zrobić?

00:06:38.080 --> 00:06:40.320
Gdybyśmy zebrali te dane,

00:06:40.320 --> 00:06:44.134
moglibyśmy zidentyfikować wskaźniki,

00:06:44.134 --> 00:06:49.293
które przewidują, że w ciągu
kolejnych pięciu sekund

00:06:49.293 --> 00:06:52.736
nastąpi wypadek samochodowy.

00:06:52.736 --> 00:06:57.076
Moglibyśmy zebrać dane
o zmęczeniu za kierownicą,

00:06:57.076 --> 00:06:59.410
wtedy samochód wyczułby,

00:06:59.410 --> 00:07:02.847
że kierowca osuwa się z siedzenia

00:07:02.847 --> 00:07:06.841
i automatycznie wiedziałby,
że ma uruchomić alarm.

00:07:06.841 --> 00:07:09.246
Kierownica by zawibrowała,
włączyłby się klakson.

00:07:09.246 --> 00:07:12.571
Wszystko po to, żeby obudzić kierowcę
i nakazać mu większą ostrożność.

00:07:12.571 --> 00:07:14.344
To właśnie możemy osiągnąć,

00:07:14.344 --> 00:07:17.165
jeżeli więcej aspektów naszego życia
przekształcimy w dane.

NOTE Paragraph

00:07:17.165 --> 00:07:20.840
Jaka jest wartość big data?

00:07:20.840 --> 00:07:23.030
Zastanówcie się.

00:07:23.030 --> 00:07:25.442
Macie więcej informacji.

00:07:25.442 --> 00:07:28.783
Możecie osiągnąć więcej niż przedtem.

00:07:28.783 --> 00:07:32.489
Jedna z bardziej imponujących dziedzin,
w których wykorzystuje się ten pomysł,

00:07:32.489 --> 00:07:35.495
jest uczenie maszynowe.

00:07:35.495 --> 00:07:38.572
Uczenie maszynowe
to dziedzina sztucznej inteligencji,

00:07:38.572 --> 00:07:41.950
która z kolei jest dziedziną informatyki.

00:07:41.950 --> 00:07:43.493
Założenie jest takie,

00:07:43.493 --> 00:07:45.610
że zamiast instruować
komputer, co ma robić,

00:07:45.610 --> 00:07:48.230
rozwiązujemy problem,
dając komputerowi dane,

00:07:48.230 --> 00:07:51.436
z którymi musi sobie sam poradzić.

00:07:51.436 --> 00:07:56.765
Łatwo można to zrozumieć,
przyglądając początkom tego zjawiska.

00:07:56.765 --> 00:07:59.153
W latach 50. informatyk

00:07:59.153 --> 00:08:02.745
pracujący w IBM, Arthur Samuel,
który lubił grać w warcaby,

00:08:02.745 --> 00:08:06.960
napisał program komputerowy,
żeby mógł grać z komputerem.

00:08:06.960 --> 00:08:09.671
Grał. Wygrywał.

00:08:09.671 --> 00:08:11.774
Grał. Wygrywał.

00:08:11.774 --> 00:08:14.789
Grał. Wygrywał,

00:08:14.789 --> 00:08:18.794
ponieważ komputer znał
wyłącznie dozwolone ruchy.

00:08:18.794 --> 00:08:20.881
Arthur Samuel znał coś jeszcze:

00:08:20.881 --> 00:08:25.510
znał strategię.

00:08:25.510 --> 00:08:29.880
Dlatego napisał podprogram
działający w tle, który miał na celu

00:08:29.880 --> 00:08:32.197
po każdym ruchu obliczyć
prawdopodobieństwo tego,

00:08:32.197 --> 00:08:38.847
czy dany układ figur będzie prowadzić
do wygranej czy przegranej.

00:08:39.678 --> 00:08:42.828
Grał z komputerem. Wygrywał.

00:08:42.828 --> 00:08:45.336
Grał z komputerem. Wygrywał.

00:08:45.336 --> 00:08:49.067
Grał z komputerem. Wygrywał.

00:08:49.067 --> 00:08:51.344
Wtedy Arthur Samuel zostawił komputer,

00:08:51.344 --> 00:08:53.571
żeby grał sam ze sobą.

00:08:53.571 --> 00:08:57.080
Grał sam ze sobą, zbierał więcej danych.

00:08:57.080 --> 00:09:01.389
Zbierał jeszcze więcej danych,
zwiększał dokładność przewidywań.

00:09:01.389 --> 00:09:03.493
Potem Arthur Samuel wrócił do komputera,

00:09:03.493 --> 00:09:05.811
żeby z nim zagrać - i przegrał.

00:09:05.811 --> 00:09:07.880
Grał i przegrywał,

00:09:07.880 --> 00:09:09.927
grał i przegrywał.

00:09:09.927 --> 00:09:12.526
W ten sposób Arthur Samuel
stworzył maszynę,

00:09:12.526 --> 00:09:14.984
która przewyższała jego umiejętności

00:09:14.984 --> 00:09:18.382
związane z zadaniem,
którego sam ją nauczył.

NOTE Paragraph

00:09:19.102 --> 00:09:25.239
Ten sposób uczenia się maszyn
jest wdrażany wszędzie.

00:09:25.239 --> 00:09:28.388
Jak myślicie, skąd się wzięły
samosterujące samochody?

00:09:28.388 --> 00:09:30.525
Czy jako społeczeństwo zyskujemy jakoś,

00:09:30.525 --> 00:09:33.810
wgrywając zasady ruchu drogowego
do oprogramowania?

00:09:33.810 --> 00:09:36.408
Nie. Pamięć jest tańsza. Nie.

00:09:36.408 --> 00:09:40.402
Algorytmy są szybsze. Nie.
Procesory są lepsze. Nie.

00:09:40.402 --> 00:09:43.174
To wszystko ma znaczenie,
ale nie stanowi głównego powodu.

00:09:43.174 --> 00:09:46.315
Chodzi o to, że zmieniliśmy
istotę problemu.

00:09:46.315 --> 00:09:50.105
Początkowo chcieliśmy bezpośrednio

00:09:50.105 --> 00:09:53.991
wyjaśnić komputerowi, jak ma jeździć,
z kolei teraz stwierdzamy:

00:09:53.991 --> 00:09:57.393
"Masz tu masę danych z otoczenia pojazdu.

00:09:57.396 --> 00:09:59.263
Sam rozpoznaj światło sygnalizacyjne,

00:09:59.263 --> 00:10:01.344
że światło jest czerwone, a nie zielone,

00:10:01.344 --> 00:10:03.358
że trzeba się wtedy zatrzymać,

00:10:03.358 --> 00:10:06.441
a nie jechać dalej".

NOTE Paragraph

00:10:06.441 --> 00:10:09.949
Uczenie maszynowe
leży u podstaw wielu rzeczy w sieci,

00:10:09.949 --> 00:10:11.807
takich jak wyszukiwarki internetowe,

00:10:11.807 --> 00:10:15.608
algorytm personalizujący Amazona,

00:10:15.608 --> 00:10:17.820
tłumaczenie komputerowe,

00:10:17.820 --> 00:10:22.110
systemy rozpoznawania głosu.

00:10:22.110 --> 00:10:28.140
Badacze przyglądają się ostatnio
kwestii biopsji,

00:10:28.140 --> 00:10:30.907
biopsji nowotworów.

00:10:30.907 --> 00:10:33.222
Kazali komputerowi zidentyfikować,

00:10:33.222 --> 00:10:35.693
za pomocą danych
i współczynników przeżycia,

00:10:35.693 --> 00:10:42.301
czy badane komórki
są faktycznie komórkami nowotworowymi.

00:10:42.904 --> 00:10:46.729
Kiedy przepuszczono dane
przez algorytm uczenia maszynowego,

00:10:46.729 --> 00:10:48.606
maszyna była w stanie zidentyfikować

00:10:48.606 --> 00:10:50.868
12 wyznaczników, które wskazywały na to,

00:10:50.868 --> 00:10:57.385
że dane komórki pobrane z piersi
są nowotworowe.

00:10:57.385 --> 00:10:58.726
Jest jednak problem,

00:10:59.148 --> 00:11:02.672
mianowicie medycyna znała tylko dziewięć.

00:11:02.672 --> 00:11:07.447
Na trzy pozostałe nie zwracano uwagi,

00:11:07.447 --> 00:11:10.758
ale maszyna je znalazła.

NOTE Paragraph

00:11:13.748 --> 00:11:18.903
Oczywiście istnieje też
ciemna strona big data.

00:11:18.903 --> 00:11:20.977
Dane pomagają w życiu, jednak są problemy,

00:11:20.977 --> 00:11:23.617
których musimy być świadomi.

00:11:23.617 --> 00:11:26.156
Pierwszy z nich wiąże się z tym,

00:11:26.156 --> 00:11:28.926
że możemy być karani z powodu przewidywań.

00:11:28.926 --> 00:11:32.796
Policja może używać big data
do swoich celów,

00:11:32.796 --> 00:11:35.147
tak jak w "Raporcie mniejszości".

00:11:35.147 --> 00:11:37.588
Tutaj chodzi o "predictive policing",

00:11:37.588 --> 00:11:39.951
czyli kryminologię algorytmiczną.

00:11:39.951 --> 00:11:41.987
Jeżeli zbierzemy dużo danych

00:11:41.987 --> 00:11:44.146
o tym, gdzie popełniane były zbrodnie,

00:11:44.146 --> 00:11:46.689
będziemy wiedzieli, gdzie wysyłać patrole.

00:11:46.689 --> 00:11:50.955
Ma to sens, natomiast problem
polega na tym, że nie będzie to zawężone

00:11:50.955 --> 00:11:53.466
do danych na temat lokalizacji,

00:11:53.466 --> 00:11:56.177
ale także wskazywać jednostki.

00:11:56.177 --> 00:12:00.333
Dlaczego nie użyć danych
dotyczących czyichś wyników w nauce?

00:12:00.333 --> 00:12:02.346
Może powinniśmy uwzględnić fakt,

00:12:02.346 --> 00:12:05.224
że ktoś jest bezrobotny
czy posiada zdolność kredytową,

00:12:05.224 --> 00:12:08.004
jak zachowuje się w internecie,
czy późno kładzie się spać.

00:12:08.004 --> 00:12:11.065
Opaska fitness, gdy zacznie
monitorować procesy biochemiczne,

00:12:11.113 --> 00:12:15.201
będzie mogła wykazać,
że ktoś ma agresywne skłonności.

00:12:15.201 --> 00:12:17.422
Powstaną algorytmy zdolne przewidzieć,

00:12:17.422 --> 00:12:19.055
co mamy zamiar zrobić

00:12:19.055 --> 00:12:22.869
i uznać osobę za winną,
zanim cokolwiek uczyni.

00:12:22.869 --> 00:12:24.621
Prywatność była głównym wyzwaniem

00:12:24.621 --> 00:12:27.501
przed erą big data.

00:12:27.501 --> 00:12:29.650
W erze big data

00:12:29.650 --> 00:12:34.173
wyzwaniem będzie ochrona wolnej woli,

00:12:34.173 --> 00:12:37.952
moralnego wyboru, podejmowania decyzji,

00:12:37.952 --> 00:12:41.020
sprawczości.

NOTE Paragraph

00:12:42.540 --> 00:12:44.765
Istnieje kolejny problem.

00:12:44.765 --> 00:12:48.321
Big data zabiorą nam pracę.

00:12:48.321 --> 00:12:51.833
Big data i algorytmy zagrożą

00:12:51.833 --> 00:12:56.517
białym kołnierzykom,
pracownikom umysłowym w XXI wieku,

00:12:56.517 --> 00:12:58.981
w ten sam sposób,
w jaki zautomatyzowanie produkcji

00:12:58.981 --> 00:13:01.740
i linie produkcyjne
zagroziły niebieskim kołnierzykom,

00:13:01.740 --> 00:13:04.196
czyli robotnikom, w XX wieku.

00:13:04.196 --> 00:13:06.288
Pomyślcie o laborancie,

00:13:06.288 --> 00:13:09.327
który bada przez mikroskop
materiał z biopsji,

00:13:09.327 --> 00:13:11.958
żeby ocenić, czy są to
komórki nowotworowe.

00:13:11.958 --> 00:13:13.930
Ta osoba kształciła się na uniwersytecie,

00:13:13.930 --> 00:13:15.360
kupuje nieruchomości,

00:13:15.360 --> 00:13:17.101
głosuje,

00:13:17.101 --> 00:13:20.767
wnosi wkład do społeczeństwa.

00:13:20.767 --> 00:13:22.161
I praca tej osoby,

00:13:22.161 --> 00:13:25.739
podobnie jak praca całego sztabu
podobnych specjalistów,

00:13:25.739 --> 00:13:28.889
może ulec drastycznej zmianie,

00:13:28.889 --> 00:13:31.246
bądź też stać się całkowicie zbędna.

00:13:31.246 --> 00:13:32.530
Wyobrażamy to sobie tak,

00:13:32.530 --> 00:13:35.717
że technika z czasem
stworzy miejsca pracy,

00:13:35.717 --> 00:13:38.922
po chwilowych zawirowaniach.

00:13:38.922 --> 00:13:41.123
To prawda, jeśli myślimy w kategoriach

00:13:41.123 --> 00:13:43.395
zmian w czasach rewolucji przemysłowej,

00:13:43.395 --> 00:13:45.593
gdzie nastąpiło dokładnie coś takiego.

00:13:45.593 --> 00:13:47.926
Ale o czymś zapominamy,

00:13:47.926 --> 00:13:49.756
mianowicie są pewne zawody,

00:13:49.756 --> 00:13:53.176
które znikną i już nigdy nie powrócą.

00:13:53.176 --> 00:13:57.530
Rewolucja przemysłowa
uderzyła w pozycję koni na rynku pracy.

00:13:59.182 --> 00:14:01.237
Dlatego musimy być ostrożni

00:14:01.237 --> 00:14:04.751
i dostosować big data do naszych potrzeb,

00:14:04.751 --> 00:14:07.936
naszych ludzkich potrzeb.

00:14:07.936 --> 00:14:09.890
Musimy być panami tej techniki,

00:14:09.890 --> 00:14:11.546
nie jej sługami.

00:14:11.546 --> 00:14:14.504
Jesteśmy na samym początku ery big data

00:14:14.504 --> 00:14:17.654
i szczerze powiedziawszy,
nie radzimy sobie zbyt dobrze

00:14:17.654 --> 00:14:21.861
z danymi, które jesteśmy w stanie zebrać.

00:14:21.861 --> 00:14:25.151
Nie jest to tylko wyzwanie
dla Agencji Bezpieczeństwa Narodowego.

00:14:25.151 --> 00:14:28.259
Przedsiębiorstwa również zbierają dane
i niewłaściwie ich używają.

00:14:28.259 --> 00:14:31.896
Musimy się poprawić,
a to będzie wymagało czasu.

00:14:31.896 --> 00:14:36.118
Jest to podobne do wyzwania,
jakie w prehistorii stanowił ogień.

00:14:36.125 --> 00:14:38.010
To narzędzie jest w stanie nas spalić,

00:14:38.010 --> 00:14:41.569
jeżeli nie będziemy ostrożni.

NOTE Paragraph

00:14:44.008 --> 00:14:49.929
Big data zmienią nasze życie,
pracę, nasze myślenie.

00:14:49.929 --> 00:14:51.818
Pomogą nam kierować swoją karierą

00:14:51.818 --> 00:14:55.452
i prowadzić satysfakcjonujące życie,

00:14:55.452 --> 00:14:58.444
pełne nadziei, szczęścia i zdrowia.

00:14:58.444 --> 00:15:01.750
Natomiast w przeszłości
patrzyliśmy na technikę informacyjną,

00:15:01.750 --> 00:15:03.958
widząc tylko literę T,

00:15:03.958 --> 00:15:05.644
technikę, sprzęt,

00:15:05.644 --> 00:15:07.906
ponieważ to było coś fizycznego.

00:15:07.906 --> 00:15:10.830
Teraz musimy zacząć patrzeć na literę I,

00:15:10.830 --> 00:15:13.600
informację, która jest mniej namacalna,

00:15:13.600 --> 00:15:17.692
ale w pewnym sensie istotniejsza.

00:15:17.692 --> 00:15:21.157
Ludzkość w końcu może
czerpać wiedzę z informacji,

00:15:21.157 --> 00:15:23.575
które jest w stanie zebrać,

00:15:23.575 --> 00:15:25.690
w ramach naszej ponadczasowej misji,

00:15:25.690 --> 00:15:28.849
by zrozumieć świat i nasze w nim miejsce,

00:15:28.849 --> 00:15:33.030
dlatego big data to poważna sprawa.

NOTE Paragraph

00:15:34.480 --> 00:15:38.048
(Brawa)