1
00:00:00,787 --> 00:00:04,632
Loại bánh ưa thích tại Mỹ là ?

2
00:00:04,632 --> 00:00:08,138
Khán giả: Bánh táo.
Kenneth Cukier: Bánh táo. Tất nhiên rồi.

3
00:00:08,138 --> 00:00:09,369
Làm sao ta biết được?

4
00:00:09,369 --> 00:00:12,122
Nhờ có dữ liệu.

5
00:00:12,122 --> 00:00:14,188
Nhìn vào doanh số bán hàng siêu thị.

6
00:00:14,188 --> 00:00:17,054
Nhìn vào doanh số bán của các 
loại bánh đường kính 30cm

7
00:00:17,054 --> 00:00:21,129
được đông lạnh, 
và bánh táo thắng tuyệt đối.

8
00:00:21,129 --> 00:00:26,309
Phần lớn bánh bán ra là bánh táo.

9
00:00:26,309 --> 00:00:29,273
Nhưng đến khi 
các siêu thị bắt đầu bán

10
00:00:29,273 --> 00:00:31,856
loại nhỏ hơn, cỡ 11 cm,

11
00:00:31,856 --> 00:00:36,030
thì đột nhiên, bánh táo tụt 
xuống hạng tư hay năm.

12
00:00:36,030 --> 00:00:38,905
Tại sao? Điều gì đã xảy ra?

13
00:00:38,905 --> 00:00:41,723
Hãy cùng suy nghĩ về điều này.

14
00:00:41,723 --> 00:00:45,571
Khi bạn mua bánh cỡ 30 cm,

15
00:00:45,571 --> 00:00:47,832
cả gia đình bạn phải đồng ý,

16
00:00:47,832 --> 00:00:51,623
thực tế, bánh táo chỉ đứng thứ hai 
trong danh sách yêu thích của mọi người.

17
00:00:51,623 --> 00:00:53,558
(tiếng cười)

18
00:00:53,558 --> 00:00:57,173
Nhưng khi mua một cái 
bánh cỡ 11 cm,

19
00:00:57,173 --> 00:01:00,918
bạn có thể mua cái mà bạn muốn.

20
00:01:00,918 --> 00:01:04,508
Bạn có thể mua loại 
mà mình thích nhất.

21
00:01:04,508 --> 00:01:06,574
Bạn có nhiều dữ liệu hơn.

22
00:01:06,574 --> 00:01:08,128
Bạn có thể thấy được những thứ

23
00:01:08,128 --> 00:01:12,920
không thể thấy 
khi chỉ có một lượng nhỏ dữ liệu.

24
00:01:12,920 --> 00:01:15,688
Điểm mấu chốt ở đây là, 
có nhiều dữ liệu hơn

25
00:01:15,688 --> 00:01:17,971
không những giúp ta thấy nhiều hơn,

26
00:01:17,971 --> 00:01:19,825
nhiều hơn về thứ ta đang nhìn.

27
00:01:19,825 --> 00:01:23,438
Nhiều dữ liệu hơn còn giúp ta 
thấy được những điều mới,

28
00:01:23,438 --> 00:01:26,532
mang đến một góc nhìn tốt hơn,

29
00:01:26,532 --> 00:01:30,188
cho phép ta thấy khác đi.

30
00:01:30,188 --> 00:01:33,361
Trong trường hợp này, 
nó cho phép ta thấy

31
00:01:33,361 --> 00:01:36,274
thứ bánh nào được ưa chuộng ở Mỹ:

32
00:01:36,274 --> 00:01:38,816
không phải bánh táo.

33
00:01:38,816 --> 00:01:42,430
Các bạn chắc hẳn đã từng 
nghe về khái niệm big data (dữ liệu lớn).

34
00:01:42,430 --> 00:01:45,717
Đúng hơn, hẳn các bạn 
đã chán ngấy về nó.

35
00:01:45,717 --> 00:01:49,447
Thật đúng khi cho rằng có nhiều 
sự thổi phồng xung quanh khái niệm trên,

36
00:01:49,447 --> 00:01:51,779
và điều đó thật đáng tiếc,

37
00:01:51,779 --> 00:01:54,825
vì big data là một công cụ
cực kì quan trọng

38
00:01:54,825 --> 00:01:58,559
mà nhờ đó, 
xã hội sẽ trở nên tiến bộ hơn.

39
00:01:58,559 --> 00:02:02,120
Trong quá khứ, chúng ta thường 
nhìn vào những dữ liệu nhỏ,

40
00:02:02,120 --> 00:02:03,824
tìm hiểu ý nghĩa của chúng,

41
00:02:03,824 --> 00:02:05,320
để cố gắng hiểu về thế giới,

42
00:02:05,320 --> 00:02:07,311
và giờ, ta có nhiều dữ liệu hơn,

43
00:02:07,311 --> 00:02:10,033
nhiều hơn bao giờ hết.

44
00:02:10,033 --> 00:02:11,910
Những gì ta biết là khi có

45
00:02:11,910 --> 00:02:14,634
một lượng lớn dữ liệu, 
ta có thể làm những điều

46
00:02:14,634 --> 00:02:17,910
mà trước kia không thể.

47
00:02:17,910 --> 00:02:20,551
Dữ liệu lớn rất quan trọng, 
và mới mẻ,

48
00:02:20,551 --> 00:02:22,328
và đó có thể là

49
00:02:22,328 --> 00:02:24,544
cách duy nhất mà hành tinh này sẽ

50
00:02:24,544 --> 00:02:26,333
đối phó với những thử thách toàn cầu:

51
00:02:26,333 --> 00:02:29,870
đảm bảo thức ăn cho mọi người, 
cung cấp dịch vụ y tế,

52
00:02:29,870 --> 00:02:32,680
cung cấp năng lượng, điện,

53
00:02:32,680 --> 00:02:34,469
và đảm bảo người dân
không bị thiêu rụi

54
00:02:34,469 --> 00:02:35,707
bởi sự nóng lên toàn cầu -

55
00:02:35,707 --> 00:02:39,902
tất cả nhờ vào 
việc sử dụng dữ liệu hiệu quả.

56
00:02:39,902 --> 00:02:43,772
Vậy thì, có gì mới về dữ liệu lớn? 
Có gì mà to tát vậy chứ?

57
00:02:43,772 --> 00:02:46,289
Được, để trả lời câu hỏi đó, hãy nghĩ về

58
00:02:46,289 --> 00:02:50,949
thông tin trông như thế nào,
trước kia.

59
00:02:50,949 --> 00:02:54,830
Vào năm 1908, trên đảo Crete,

60
00:02:54,830 --> 00:02:59,565
các nhà khảo cổ học tìm ra 
một cái đĩa đất sét.

61
00:02:59,565 --> 00:03:03,624
Họ xác định nó từ là 2000 năm trước 
Công nguyên, vậy nó 4000 tuổi.

62
00:03:03,624 --> 00:03:07,195
Có chữ khắc trên tấm đĩa,
nhưng ta không hiểu nó có nghĩa gì.

63
00:03:07,195 --> 00:03:09,053
Hoàn toàn là một bí ẩn, 
nhưng vấn đề là

64
00:03:09,053 --> 00:03:12,750
thông tin đã từng trông như thế
4000 năm trước.

65
00:03:12,750 --> 00:03:15,618
Đây là cách xã hội lưu trữ

66
00:03:15,618 --> 00:03:19,142
và truyền tải thông tin.

67
00:03:19,142 --> 00:03:23,302
Bây giờ, xã hội chưa tân tiến đến mức đó.

68
00:03:23,302 --> 00:03:26,776
Chúng ta vẫn lưu trữ thông tin trên đĩa,

69
00:03:26,776 --> 00:03:31,000
nhưng giờ, có thể lưu trữ 
nhiều thông tin hơn trước kia.

70
00:03:31,000 --> 00:03:34,313
Tìm kiếm nó thì dễ hơn. 
Sao chép nó cũng dễ hơn.

71
00:03:34,313 --> 00:03:37,813
Chia sẻ cũng dễ hơn. 
Xử lý dễ hơn.

72
00:03:37,813 --> 00:03:40,319
Những gì ta có thể làm là 
sử dụng lại thông tin này

73
00:03:40,319 --> 00:03:42,933
vào việc mà thậm chí 
chưa bao giờ tưởng tượng ra

74
00:03:42,933 --> 00:03:45,608
khi mới bắt đầu thu thập dữ liệu.

75
00:03:45,608 --> 00:03:47,860
Về lĩnh vực này, dữ liệu đã đi

76
00:03:47,860 --> 00:03:51,392
từ một kho tích trữ về một dòng chảy ,

77
00:03:51,392 --> 00:03:55,330
từ thứ bất động và cố định

78
00:03:55,330 --> 00:03:58,939
sang linh hoạt và năng động.

79
00:03:58,939 --> 00:04:02,962
Có một thanh khoản thông tin.

80
00:04:02,962 --> 00:04:06,436
Cái đĩa được tìm thấy ở Crete

81
00:04:06,436 --> 00:04:10,200
đã 4000 năm tuổi, rất nặng,

82
00:04:10,200 --> 00:04:12,162
nó không lưu trữ được nhiều thông tin,

83
00:04:12,162 --> 00:04:15,278
và số thông tin đó không thể thay đổi.

84
00:04:15,278 --> 00:04:19,289
Ngược lại, tất cả những hồ sơ

85
00:04:19,289 --> 00:04:21,150
mà Edward Snowden lấy

86
00:04:21,150 --> 00:04:23,771
từ Cục An ninh Quốc gia Hoa Kỳ

87
00:04:23,771 --> 00:04:26,190
chứa vừa trong một thẻ nhớ

88
00:04:26,190 --> 00:04:29,200
bằng kích thước của móng tay,

89
00:04:29,200 --> 00:04:33,945
và có thể được chia sẻ 
với tốc độ ánh sáng.

90
00:04:33,945 --> 00:04:38,240
Nhiều dữ liệu hơn, hơn rất nhiều.

91
00:04:38,240 --> 00:04:41,174
Một lý do tại sao có quá nhiều 
dữ liệu trên thế giới hiện nay

92
00:04:41,174 --> 00:04:43,266
là vì chúng ta đang 
thu thập những thứ

93
00:04:43,266 --> 00:04:45,886
ta vẫn luôn thu thập,

94
00:04:45,886 --> 00:04:48,542
một lý do khác để giải thích
việc chúng ta lấy những thứ

95
00:04:48,542 --> 00:04:51,354
đã luôn cung cấp thông tin

96
00:04:51,354 --> 00:04:53,840
nhưng chưa bao giờ được làm thành dạng dữ liệu

97
00:04:53,840 --> 00:04:56,259
và do đó,
chúng ta bỏ những thứ đấy vào dữ liệu

98
00:04:56,259 --> 00:04:59,567
Lấy ví dụ, câu hỏi về địa điểm

99
00:04:59,567 --> 00:05:01,816
Lấy ví dụ, Martin Luther

100
00:05:01,816 --> 00:05:03,413
Nếu chúng ta muốn biết vào năm 1500

101
00:05:03,413 --> 00:05:06,080
Martin Luther ở đâu,

102
00:05:06,080 --> 00:05:08,172
chúng ta sẽ phải theo dõi ông ấy
mọi lúc,

103
00:05:08,172 --> 00:05:10,309
kèm theo một cây bút lông 
và một lọ mực

104
00:05:10,309 --> 00:05:11,985
để ghi chép lại.

105
00:05:11,985 --> 00:05:14,168
Nhưng bây giờ hãy nghĩ nó
sẽ như thế nào ngày nay.

106
00:05:14,168 --> 00:05:16,290
Bạn biết rằng ở một nơi nào đó,

107
00:05:16,290 --> 00:05:18,736
khả năng là trong cơ sở dữ liệu
của một hãng viễn thông

108
00:05:18,736 --> 00:05:21,772
có một bảng tính hoặc ít nhất 
một mục cơ sở dữ liệu

109
00:05:21,772 --> 00:05:23,860
lưu trữ lại thông tin của bạn

110
00:05:23,860 --> 00:05:25,923
những nơi bạn đã đến 
tại mọi thời điểm

111
00:05:25,923 --> 00:05:27,283
Nếu bạn có điện thoại di động,

112
00:05:27,283 --> 00:05:30,130
và chiếc điện thoại đó có GPS,
nhưng ngay cả khi nó không có GPS,

113
00:05:30,130 --> 00:05:32,515
nó vẫn có thể lưu trữ thông tin của bạn

114
00:05:32,515 --> 00:05:36,599
Trong lĩnh vực này, việc định vị
đã được dữ liệu hóa

115
00:05:36,599 --> 00:05:41,200
Bây giờ, lấy ví dụ
vấn đề về tư thế

116
00:05:41,200 --> 00:05:42,485
tư thế mà các bạn đang ngồi bây giờ

117
00:05:42,485 --> 00:05:44,515
tư thế mà bạn ngồi,

118
00:05:44,515 --> 00:05:47,286
tư thế mà bạn ngồi, tư thế mà bạn ngồi

119
00:05:47,286 --> 00:05:49,363
Nó đều khác nhau, và đó là một chức năng
giữa chiều dài chân bạn

120
00:05:49,363 --> 00:05:51,456
lưng bạn và những đường nét của lưng bạn

121
00:05:51,456 --> 00:05:53,987
và nếu bây giờ tôi đặt thiết bị cảm biến

122
00:05:53,987 --> 00:05:55,753
vào tất cả các ghế

123
00:05:55,753 --> 00:05:59,353
Tôi có thể tạo ra một chỉ số 
tương đối độc nhất về bạn,

124
00:05:59,353 --> 00:06:03,762
ví dụ như dấu vân tây, 
nhưng không phải là ngón tay của bạn

125
00:06:03,762 --> 00:06:06,731
Vậy chúng ta có thể làm gì với nó?

126
00:06:06,731 --> 00:06:09,128
Các nhà nghiên cứu ở Tokyo đang dùng
dấu vân tay

127
00:06:09,128 --> 00:06:13,516
để tạo ra một thiết bị có tiềm năng
chống trộm xe hơi.

128
00:06:13,516 --> 00:06:16,440
Ý tưởng là nếu tên trộm ngồi đằng sau
tay lái

129
00:06:16,440 --> 00:06:18,544
và cố lái đi, nhưng nếu chiếc xe nhận ra

130
00:06:18,544 --> 00:06:20,906
rằng đằng sau bánh lái là một
tài xế không được xác duyệt,

131
00:06:20,906 --> 00:06:23,070
thì động cơ sẽ tự động dừng, trừ khi

132
00:06:23,070 --> 00:06:26,247
bạn nhập mật khẩu vào bảng điều khiển

133
00:06:26,247 --> 00:06:30,905
để báo rằng "Tôi có sự cho phép". Tuyệt.

134
00:06:30,905 --> 00:06:33,458
Nếu như mọi chiếc xe ở Châu Âu

135
00:06:33,458 --> 00:06:34,915
đều có công nghệ này thì sao?

136
00:06:34,915 --> 00:06:38,080
Chúng ta có thể làm gì lúc đó?

137
00:06:38,080 --> 00:06:40,320
Nếu chúng ta có thể tập hợp dữ liệu

138
00:06:40,320 --> 00:06:44,134
có thể chúng ta sẽ khám phá ra 
các dấu hiệu

139
00:06:44,134 --> 00:06:46,843
dự đoán tốt nhất rằng 
một tai nạn xe hơi

140
00:06:46,843 --> 00:06:52,736
sẽ xảy ra trong 5 giây tiếp theo.

141
00:06:52,736 --> 00:06:55,293
Và rồi những gì chúng ta sẽ
dữ liệu hóa

142
00:06:55,293 --> 00:06:57,076
sẽ là sự mệt mỏi của tài xế,

143
00:06:57,076 --> 00:06:59,410
và dịch vụ lúc đó sẽ là 
khi chiếc xe cảm nhận được

144
00:06:59,410 --> 00:07:02,847
rằng người tài xế đang rơi
vào tình trạng mệt mỏi

145
00:07:02,847 --> 00:07:06,841
nó sẽ tự động biết và rồi
cài một báo động bên trong

146
00:07:06,841 --> 00:07:08,866
để làm rung bánh lái, và 
bóp kèn ở trong xe

147
00:07:08,866 --> 00:07:10,587
báo rằng, "Này! dậy đi,

148
00:07:10,587 --> 00:07:12,491
chú ý đường đi kìa"

149
00:07:12,491 --> 00:07:14,344
Đây là những thứ mà chúng ta có thể làm

150
00:07:14,344 --> 00:07:17,165
khi chúng ta dữ liệu hóa các khía cạnh
trong cuộc sống của chúng ta nhiều hơn

151
00:07:17,165 --> 00:07:20,840
Vậy thì giá trị của dữ liệu lớn là gì?

152
00:07:20,840 --> 00:07:23,030
Nào, hãy nghĩ xem.

153
00:07:23,030 --> 00:07:25,442
Bạn có nhiều thông tin hơn.

154
00:07:25,442 --> 00:07:28,783
Bạn có thể làm những việc mà
bạn không thể làm trước đó

155
00:07:28,783 --> 00:07:30,459
Một trong những lĩnh vực ấn tượng nhất

156
00:07:30,459 --> 00:07:32,188
mà khái niệm này đang diễn ra

157
00:07:32,188 --> 00:07:35,495
là trong lĩnh vực máy học.

158
00:07:35,495 --> 00:07:38,572
Máy học là một nhánh của 
trí tuệ nhân tạo

159
00:07:38,572 --> 00:07:41,950
mà bản thân nó là một nhánh của
khoa học máy tính.

160
00:07:41,950 --> 00:07:43,493
Ý tưởng chung là thay vì

161
00:07:43,493 --> 00:07:45,610
phải hướng dẫn máy tính những gì phải làm

162
00:07:45,610 --> 00:07:48,230
chúng ta sẽ chỉ ném dữ liệu 
liên quan đến vấn đề

163
00:07:48,230 --> 00:07:51,436
và bảo máy tính tự tính toán.

164
00:07:51,436 --> 00:07:53,213
Và để giúp bạn hiểu vấn đề này

165
00:07:53,213 --> 00:07:56,765
hãy cùng nhìn lại nguồn gốc của nó.

166
00:07:56,765 --> 00:07:59,153
Vào những năm 1950,

167
00:07:59,153 --> 00:08:02,745
Một nhà khoa học máy tính của IBM
tên Arthur Samuel thích chơi cờ,

168
00:08:02,745 --> 00:08:04,147
nên ông ấy viết một chương trình máy tính

169
00:08:04,147 --> 00:08:06,960
để ông ấy có thể chơi cờ với máy tính

170
00:08:06,960 --> 00:08:09,671
Ông ấy chơi. Ông ấy thắng.

171
00:08:09,671 --> 00:08:11,774
Ông ấy chơi. Ông ấy thắng,

172
00:08:11,774 --> 00:08:14,789
Ông ấy chơi. Ông ấy thắng,

173
00:08:14,789 --> 00:08:16,567
vì máy tính chỉ biết

174
00:08:16,567 --> 00:08:18,794
nước đi đúng luật là thế nào.

175
00:08:18,794 --> 00:08:20,881
Arthur Samuel biết một số thứ khác.

176
00:08:20,881 --> 00:08:25,510
Arthur Samuel biết chiến lược.

177
00:08:25,510 --> 00:08:27,906
Và như thế, bên cạnh đó, ông ấy
viết một chương trình con.


178
00:08:27,906 --> 00:08:29,880
hoạt động trên nền của 
chương trình chính, và những gì nó làm

179
00:08:29,880 --> 00:08:31,697
chỉ là ghi xác suất

180
00:08:31,697 --> 00:08:34,260
của bàn cờ cho sẵn có khả năng dẫn đến

181
00:08:34,260 --> 00:08:37,170
một ván thắng hoặc một vấn thua

182
00:08:37,170 --> 00:08:39,678
sau mỗi nước đi.

183
00:08:39,678 --> 00:08:42,828
Ông ấy chơi với máy tính. Ông ấy thắng

184
00:08:42,828 --> 00:08:45,336
Ông ấy chơi với máy tính. Ông ấy thắng

185
00:08:45,336 --> 00:08:49,067
Ông ấy chơi với máy tính. Ông ấy thắng

186
00:08:49,067 --> 00:08:51,344
Và rồi Arthur Samuel để máy tính

187
00:08:51,344 --> 00:08:53,571
tự chơi cờ với chính nó.

188
00:08:53,571 --> 00:08:57,080
Nó tự chơi cờ. 
Nó thu thập nhiều dữ liệu hơn.

189
00:08:57,080 --> 00:09:01,389
Nó thu thập nhiều dữ liệu hơn. 
Nó tăng độ chính xác về khả năng dự đoạn

190
00:09:01,389 --> 00:09:03,493
Và rồi Arthur Samuel quay lại máy tính

191
00:09:03,493 --> 00:09:05,811
và ông ấy chơi cờ với nó, và ông ấy thua

192
00:09:05,811 --> 00:09:07,880
và ông ấy chơi, ông ấy thua

193
00:09:07,880 --> 00:09:09,927
và ông ấy chơi, ông ấy thua

194
00:09:09,927 --> 00:09:12,526
và Arthur Samuel đã tạo ra một cỗ máy

195
00:09:12,526 --> 00:09:18,814
vượt qua khả năng của ông ấy
trong một việc mà chính ông ấy dạy nó.

196
00:09:18,814 --> 00:09:21,312
Và ý tưởng này trong lĩnh vực máy học

197
00:09:21,312 --> 00:09:25,239
đang được ứng dụng ở mọi nơi.

198
00:09:25,239 --> 00:09:28,388
Bạn nghĩ làm sao chúng ta có
xe hơi lái tự động?

199
00:09:28,388 --> 00:09:30,525
Xã hội chúng ta có khá hơn không

200
00:09:30,525 --> 00:09:33,810
khi chúng ta nhập tất cả các
luật giao thông vào phần mềm?

201
00:09:33,810 --> 00:09:36,408
Không. Bộ nhớ rẻ hơn? Không

202
00:09:36,408 --> 00:09:40,402
Các thuật toán xử lý nhanh hơn? Không
Bộ vi xử lý tốt hơn? Không

203
00:09:40,402 --> 00:09:43,174
Tất cả những điều này đều quan trọng,
nhưng đó không phải là lý do.

204
00:09:43,174 --> 00:09:46,315
Mà là vì chúng ta đã thay đổi bản chất
của vấn đề.

205
00:09:46,315 --> 00:09:47,845
Từ một vấn đề mà chúng ta 
tìm cách để giải thích

206
00:09:47,845 --> 00:09:50,090
rõ ràng và dứt khoát

207
00:09:50,090 --> 00:09:52,671
cho máy tính hiểu rằng
làm thế nào để lái xe

208
00:09:52,671 --> 00:09:53,987
đến một vấn đề mà chúng ta nói rằng,

209
00:09:53,987 --> 00:09:55,863
"Đây là tập dữ liệu xung quanh chiếc xe.

210
00:09:55,863 --> 00:09:57,396
Hãy tự xử lý dữ liệu này.

211
00:09:57,396 --> 00:09:59,263
Hãy tự luận ra rằng đó là đèn giao thông,

212
00:09:59,263 --> 00:10:01,344
rằng đèn giao thông đó đang là đèn đỏ
không phải đèn xanh

213
00:10:01,344 --> 00:10:03,358
rằng điều đó có nghĩa là bạn phải dừng lại

214
00:10:03,358 --> 00:10:06,441
và không đi về phía trước."

215
00:10:06,441 --> 00:10:07,959
Máy học là nền tảng cơ bản

216
00:10:07,959 --> 00:10:09,950
của rất nhiều thứ chúng ta làm trên mạng:

217
00:10:09,950 --> 00:10:11,807
các công cụ tìm kiếm,

218
00:10:11,807 --> 00:10:15,608
Thuật toán cá nhân hóa của Amazon,

219
00:10:15,608 --> 00:10:17,820
máy tính dịch thuật,

220
00:10:17,820 --> 00:10:22,110
hệ thống xác nhận giọng nói.

221
00:10:22,110 --> 00:10:24,945
Gần đây, các nhà nghiên cứu đã tìm hiểu

222
00:10:24,945 --> 00:10:28,140
về các vấn đề sinh thiết

223
00:10:28,140 --> 00:10:30,907
sinh thiết ung thư,

224
00:10:30,907 --> 00:10:33,222
và họ đã nhờ máy tính xác định,

225
00:10:33,222 --> 00:10:35,693
bằng cách nhìn vào dữ liệu và
chỉ số sống sót

226
00:10:35,693 --> 00:10:40,360
để xác nhận rằng những tế bào này

227
00:10:40,360 --> 00:10:42,904
có thật sự bị ung thư hay không,

228
00:10:42,904 --> 00:10:44,682
và chắc chắn rằng, khi bạn nhập dữ liệu 
vào máy tính,

229
00:10:44,682 --> 00:10:46,729
qua một thuật toán máy học

230
00:10:46,729 --> 00:10:48,606
cỗ máy có thể xác định

231
00:10:48,606 --> 00:10:50,868
những dấu hiệu dự đoán tốt nhất

232
00:10:50,868 --> 00:10:54,167
rằng sinh thiết của các 
tế bào ung thư vú này

233
00:10:54,167 --> 00:10:57,385
thật sự bị ung thư.

234
00:10:57,385 --> 00:10:59,883
Vấn đề: Tài liệu y học

235
00:10:59,883 --> 00:11:02,672
chỉ biết được 9 dấu hiệu.

236
00:11:02,672 --> 00:11:04,472
Trong đó, có 3 dấu hiệu

237
00:11:04,472 --> 00:11:07,447
mà mọi người không cần phải tìm kiếm

238
00:11:07,447 --> 00:11:12,978
nhưng cỗ máy phát hiện ra.

239
00:11:12,978 --> 00:11:18,903
Dữ liệu lớn cũng có mặt tối của nó.

240
00:11:18,903 --> 00:11:20,977
Nó sẽ cải thiện cuộc sống của chúng ta,
nhưng có những vấn đề

241
00:11:20,977 --> 00:11:23,617
mà chúng ta nên cảnh giác,

242
00:11:23,617 --> 00:11:26,240
và điều đầu tiên đó là quan niệm

243
00:11:26,240 --> 00:11:28,926
rằng chúng ta có thể bị trừng phạt
do các dự đoán,


244
00:11:28,926 --> 00:11:32,796
rằng cảnh sát có thể sử dụng dữ liệu lớn
cho mục đích của họ,

245
00:11:32,796 --> 00:11:35,147
tựa như phim "Minority Report"

246
00:11:35,147 --> 00:11:37,588
Nó là một thuật ngữ gọi là giám sát dự báo

247
00:11:37,588 --> 00:11:39,951
hoặc thuật toán tội phạm học,

248
00:11:39,951 --> 00:11:41,987
và khái niệm đó là: nếu chúng ta lấy 
nhiều dữ liệu,

249
00:11:41,987 --> 00:11:44,146
ví dụ dữ liệu về các địa điểm 
xảy ra tội phạm

250
00:11:44,146 --> 00:11:46,689
chúng ta sẽ biết nơi cần gửi
đội tuần tra.

251
00:11:46,689 --> 00:11:48,804
Điều đó là hợp lý, nhưng vấn đề, dĩ nhiên

252
00:11:48,804 --> 00:11:53,348
không phải chỉ dừng về ở dữ liệu định vị,

253
00:11:53,348 --> 00:11:56,307
nó sẽ xuống cấp độ thu thập dữ liệu
của từng cá nhân

254
00:11:56,307 --> 00:11:58,557
Tại sao chúng ta không dùng dữ liệu
để biết về

255
00:11:58,557 --> 00:12:00,785
bảng điểm cấp 3 của một người nào đó?

256
00:12:00,785 --> 00:12:02,346
Có thể chúng ta nên dùng sự thật như

257
00:12:02,346 --> 00:12:04,374
họ thất nghiệp hay không, điểm tín dụng,

258
00:12:04,374 --> 00:12:05,926
cách họ lướt web

259
00:12:05,926 --> 00:12:07,804
hay họ có thức khuya hay không.

260
00:12:07,804 --> 00:12:10,965
Chí số Fitbit, khi nó có khả năng
xác định các hóa sinh,


261
00:12:10,965 --> 00:12:15,201
sẽ chỉ ra rằng họ có suy nghĩ hiếu chiến.

262
00:12:15,201 --> 00:12:17,422
Chúng ta có thể có những thuật toán
có khả năng dự đoán

263
00:12:17,422 --> 00:12:19,055
những gì chúng ta sẽ làm,

264
00:12:19,055 --> 00:12:20,299
và chúng ta có phải chịu trách nhiệm

265
00:12:20,299 --> 00:12:22,889
trước khi chúng ta
thật sự làm những điều đó

266
00:12:22,889 --> 00:12:24,621
Bảo mật là thách thức trọng tâm

267
00:12:24,621 --> 00:12:27,501
trong thời đại dữ liệu nhỏ.

268
00:12:27,501 --> 00:12:29,650
Trong thời đại dữ liệu lớn,

269
00:12:29,650 --> 00:12:34,173
thách thức sẽ là bảo vệ tự do,

270
00:12:34,173 --> 00:12:37,952
lựa chọn đạo đức, ý chí con người,

271
00:12:37,952 --> 00:12:41,020
tính chủ thể.

272
00:12:42,540 --> 00:12:44,765
Còn có một vấn đề nữa:

273
00:12:44,765 --> 00:12:48,321
Dữ liệu lớn sẽ cướp đi 
việc làm của chúng ta.

274
00:12:48,321 --> 00:12:51,833
Dữ liệu lớn và các thuật toán
sẽ thách thức

275
00:12:51,833 --> 00:12:54,894
công việc văn phòng,
công việc chuyên môn

276
00:12:54,894 --> 00:12:56,547
trong thế kỷ 21

277
00:12:56,547 --> 00:12:58,981
trong cùng một cách mà máy móc tự động

278
00:12:58,981 --> 00:13:01,170
và dây chuyền lắp ráp

279
00:13:01,170 --> 00:13:04,196
thách thức công nhân ở thế kỉ 20

280
00:13:04,196 --> 00:13:06,288
Hãy nghĩ về kỹ thuật viên phòng thí nghiệm

281
00:13:06,288 --> 00:13:07,697
người tìm hiểu vấn đề qua
một cái kính hiển vi

282
00:13:07,697 --> 00:13:09,321
ở viện sinh thiết ung thư

283
00:13:09,321 --> 00:13:11,958
và xác định xem sinh thiết này
có bị ung thư hay không.

284
00:13:11,958 --> 00:13:13,930
Người này đã học xong đại học

285
00:13:13,930 --> 00:13:15,360
Người này mua nhà.

286
00:13:15,360 --> 00:13:17,162
Anh ấy hoặc cô ấy bỏ phiếu.

287
00:13:18,964 --> 00:13:20,767
Anh ấy hoặc cô ấy là một nhân tố 
trong xã hội.

288
00:13:20,767 --> 00:13:22,161
Và việc làm của người đó,

289
00:13:22,161 --> 00:13:23,770
cũng như toàn bộ đội ngũ

290
00:13:23,770 --> 00:13:25,739
của những người chuyên môn 
giống như người đó

291
00:13:25,739 --> 00:13:28,889
sẽ thấy rằng việc làm của họ 
bị thay đổi một cách triệt để

292
00:13:28,889 --> 00:13:31,246
hoặc bị loại bỏ hoàn toàn.

293
00:13:31,246 --> 00:13:32,530
Chúng ta thích nghĩ rằng

294
00:13:32,530 --> 00:13:35,717
công nghệ sẽ tạo nên việc làm 
sau một khoảng thời gian

295
00:13:35,717 --> 00:13:39,182
sau khoản thời gian rối loạn tạm thời,

296
00:13:39,182 --> 00:13:41,123
và điều đó là đúng 
cho các khung tham chiếu

297
00:13:41,123 --> 00:13:43,265
mà chúng ta sống, Cách mạng công nghiệp,

298
00:13:43,265 --> 00:13:45,593
vì đó chính xác là những gì đã xảy ra.

299
00:13:45,593 --> 00:13:47,926
Nhưng chúng ta quên điều gì đó
trong bài phân tích đấy:

300
00:13:47,926 --> 00:13:49,756
Có một số loại công việc

301
00:13:49,756 --> 00:13:53,176
đơn giản là bị loại bỏ hoàn toàn và
không bao giờ quay lại.

302
00:13:53,176 --> 00:13:55,180
Cách mạng công nghiệp không hề tốt

303
00:13:55,180 --> 00:13:59,182
nếu bạn là một con ngựa.

304
00:13:59,182 --> 00:14:01,237
Do đó chúng ta phải thận trọng

305
00:14:01,237 --> 00:14:04,751
trong việc sử dụng dữ liệu lớn và
điều chỉnh nó cho nhu cầu của chúng ta

306
00:14:04,751 --> 00:14:07,936
nhu cầu rất con người của chúng ta.

307
00:14:07,936 --> 00:14:09,890
Chúng ta phải là chủ của công nghệ này,

308
00:14:09,890 --> 00:14:11,546
chứ không phải là người hầu của nó.

309
00:14:11,546 --> 00:14:14,504
Chúng ta chỉ khởi đầu một kỷ nguyên
của dữ liệu lớn

310
00:14:14,504 --> 00:14:17,654
và thành thật mà nói, 
chúng ta không hề giỏi

311
00:14:17,654 --> 00:14:21,861
trong việc xử lý tất cả các dữ liệu
mà chúng ta có thể thu thập.

312
00:14:21,861 --> 00:14:25,191
Nó không chỉ là vấn đề cho
Cục An ninh Quốc gia.

313
00:14:25,191 --> 00:14:28,229
Các doanh nghiệp thu thập rất nhiều
dữ liệu và họ cũng lạm dụng nó.

314
00:14:28,229 --> 00:14:31,896
Chúng ta phải làm tốt hơn và điều này
sẽ tốn nhiều thời gian.

315
00:14:31,896 --> 00:14:33,718
Nó giống như là thử thách mà

316
00:14:33,718 --> 00:14:36,125
người nguyên thủy gặp phải với lửa

317
00:14:36,125 --> 00:14:38,010
Đây là một công cụ, 
nhưng là một công cụ mà

318
00:14:38,010 --> 00:14:41,569
nếu chúng ta không cẩn thận,
sẽ thiêu cháy chúng ta.

319
00:14:44,008 --> 00:14:47,128
Dữ liệu lớn sẽ thay đổi 
cách sống của chúng ta

320
00:14:47,128 --> 00:14:49,929
cách chúng ta làm việc và 
cách chúng ta suy nghĩ.

321
00:14:49,929 --> 00:14:51,818
Nó sẽ giúp chúng ta quản lý
sự nghiệp của chúng ta

322
00:14:51,818 --> 00:14:55,452
và dẫn đến cuộc sống của
sự hài lòng và hy vọng

323
00:14:55,452 --> 00:14:58,444
và hạnh phúc và sức khỏe.

324
00:14:58,444 --> 00:15:01,750
Nhưng ở trong quá khứ, chúng ta 
thường nhìn vào công nghệ thông tin

325
00:15:01,750 --> 00:15:03,958
và con mắt chúng ta chỉ nhìn thấy 
những thứ như,

326
00:15:03,958 --> 00:15:05,644
công nghệ, phần mềm,

327
00:15:05,644 --> 00:15:07,906
những thứ vật chất.

328
00:15:07,906 --> 00:15:10,830
Chúng ta phải đúc kết lại 
cái nhìn của chúng ta,

329
00:15:10,830 --> 00:15:12,210
nhìn vào thông tin,

330
00:15:12,210 --> 00:15:13,583
dù nó ít rõ ràng hơn

331
00:15:13,583 --> 00:15:17,692
nhưng trong một số khía cạnh
quan trọng hơn rất nhiều.

332
00:15:17,692 --> 00:15:21,157
Nhân loại cuối cùng cũng có thể
học hỏi từ những thông tin

333
00:15:21,157 --> 00:15:23,575
mà nó có thể thu thập,

334
00:15:23,575 --> 00:15:25,690
như một phần của cuộc thám hiểm
vô tận của chúng ta

335
00:15:25,690 --> 00:15:28,849
để hiểu về thế giới và vị trí của chúng ta
trong thế giới,

336
00:15:28,849 --> 00:15:34,480
và đó là lý do tại sao dữ liệu lớn
là một vấn đề quan trọng.

337
00:15:34,480 --> 00:15:38,048
(vỗ tay)