الكم الكبير من البيانات هي بيانات افضل
-
0:01 - 0:05ما هي الفطيرة المفضلة عند الشعب الأمريكي؟
-
0:05 - 0:08الجمهور: فطيرة التفاح.
كينيث كوكير: فطيرة التفاح، بالطبع. -
0:08 - 0:09كيف عرفنا ذلك؟
-
0:09 - 0:12طبعاً بفضل البيانات.
-
0:12 - 0:14ألقوا نظرة على مبيعات مراكز التسوق الكبرى.
-
0:14 - 0:18انظروا الى مبيعات الفطائر
المثلجة بحجم ٣٠ سنتيمتر -
0:18 - 0:21تحتل فطيرة التفاح القمة بدون منازع.
-
0:21 - 0:26أغلبية المبيعات من منتجات التفاح.
-
0:26 - 0:29لكن فيما بعد، اتجهت هذه المراكز إلى بيع
-
0:29 - 0:32فطائر أصغر حجماً بحجم 11 سنتيمتر
-
0:32 - 0:36وفجأة تراجعت منتجات التفاح
إلى المرتبة الرابعة أو الخامسة -
0:36 - 0:39لماذا؟ ماذا حدث؟
-
0:39 - 0:42حسنا، لنفكر في الأمر.
-
0:42 - 0:46عندما تشتري فطيرة بقياس 30 سنتمتر،
-
0:46 - 0:48يجب أن تجمع كل الأسرة على نفس الاختيار،
-
0:48 - 0:52والتفاح
هو الخيار المفضل الثاني عند الجميع. -
0:52 - 0:54(ضحك)
-
0:54 - 0:57لكن عندما تشتري فطائر
بقياس 11 سنتمتر فردية، -
0:57 - 1:01يمكنك شراء ما تفضله أنت.
-
1:01 - 1:05أي يمكنك أن تشتري اختيارك المفضل.
-
1:05 - 1:07بهذا تملك بيانات أكثر.
-
1:07 - 1:08بإمكانك رؤية أمور
-
1:08 - 1:09لم تكن تراها في السابق
-
1:09 - 1:13حين كان لديك كمية أقل من البيانات.
-
1:13 - 1:16المقصود بهذا هو أن كثرة البيانات
-
1:16 - 1:18لا تسمح لنا فقط برؤية أشياء أكثر
-
1:18 - 1:20عن ما نراه.
-
1:20 - 1:23بل أكثر من ذلك، فهي تعطينا رؤية جديدة.
-
1:23 - 1:27تعطينا رؤية أفضل.
-
1:27 - 1:30تعطينا منظوراً مختلفاً للأمور.
-
1:30 - 1:32و في هذه الحالة،
-
1:32 - 1:36تمكننا من معرفة
نوع الفطائر المفضلة عند الأمريكيين: -
1:36 - 1:39وهي ليست فطائر التفاح.
-
1:39 - 1:42أظن أن الجميع هنا قد
سمعوا بمصطلح "البيانات الضخمة" -
1:42 - 1:46أظنكم قد سئمتم من سماع مصطلح
"البيانات الضخمة" -
1:46 - 1:49صحيح أنه أثار ضجة كبيرة كمصطلح،
-
1:49 - 1:52وهذا أمرٌ مؤسف،
-
1:52 - 1:55لأن البيانات الضخمة تعد أداةً مهمةً جداً
-
1:55 - 1:59لمساعدة المجتمع على التقدم.
-
1:59 - 2:02ففي السابق،
اعتدنا على رؤية بياناتٍ محدودةٍ -
2:02 - 2:04ومحاولة فهم معناها
-
2:04 - 2:05في سبيل فهم العالم من خلالها،
-
2:05 - 2:07أما الآن فلدينا فائض منها،
-
2:07 - 2:10أكثر من السابق بكثير.
-
2:10 - 2:13اكتشفنا أنه عند امتلاكنا بيانات ضخمة،
-
2:13 - 2:18يمكننا القيام بأمور لم يكن بإمكاننا
القيام بها عندما كانت البيانات أقل. -
2:18 - 2:21فالبيانات الضخمة مهمة وحديثة العهد،
-
2:21 - 2:22و عندما تفكر في هذا الأمر
-
2:22 - 2:26ستجد بأنها الوسيلة الوحيدة التي ستمكن
كوكبنا من التعامل مع تحدياته العالمية. -
2:26 - 2:30لتغذية الناس وإمدادهم بالعناية الطبية،
-
2:30 - 2:33و إمدادهم بالطاقة والكهرباء،
-
2:33 - 2:36و حمايتهم من الدمار الشامل
بسبب الاحتباس الحراري. -
2:36 - 2:40وهذا بفضل الاستخدام الفعال للبيانات.
-
2:40 - 2:44إذا ما الجديد في البيانات الضخمة؟
ما الأمر المهم؟ -
2:44 - 2:46حسنا، للإجابة لهذا السؤال،
-
2:46 - 2:48دعونا نشاهد الشكل الذي اتخذته المعلومات،
-
2:48 - 2:51ظاهرياً في الماضي.
-
2:51 - 2:55في 1908 في جزيرة كريت
-
2:55 - 3:00اكتشف علماء الآثار قرص من طين.
-
3:00 - 3:04يعود تاريخه الى 2000 قبل الميلاد.
يبلغ عمره 4000 سنة. -
3:04 - 3:06توجد هناك نقوش على هذا القرص
-
3:06 - 3:07لكننا لا نعرف معناها بعد.
-
3:07 - 3:09الأمر يشوبه غموض تام، لكن المهم هو
-
3:09 - 3:11ان المعلومات كانت على هذا الشكل
-
3:11 - 3:13منذ 4000 سنة.
-
3:13 - 3:16هكذا كان يوثق المجتمع
-
3:16 - 3:19وينقل المعلومات.
-
3:19 - 3:23أما الآن، فلم تتقدم المجتمعات كثيراً
-
3:23 - 3:27فما زلنا نخزن المعلومات على الأقراص،
-
3:27 - 3:30لكن حالياً يمكننا أن نخزن كماً أكبر
من المعلومات، -
3:30 - 3:31أكثر من قبل.
-
3:31 - 3:34البحث والنسخ صارا أسهل.
-
3:34 - 3:38و كذلك المشاركة والمعالجة.
-
3:38 - 3:41باستطاعتنا إعادة استخدام هذه المعلومات
-
3:41 - 3:42لاستعمالات لم نكن نتخيلها
-
3:42 - 3:46عندما كنا نجمع المعلومات لأول مرة.
-
3:46 - 3:48في هذه الحالة، انتقلت البيانات
-
3:48 - 3:51من التخزين إلى تدفق للمعلومات،
-
3:51 - 3:55من شيءٍ جامدٍ وراكد،
-
3:55 - 3:59إلى آخر سلسٍ ومتحرك.
-
3:59 - 4:03بل و يمكننا أن نصف المعلومات بالسيولة.
-
4:03 - 4:06فالقرص الذي اكتُشف في كريت
-
4:06 - 4:10والذي يبلغ عمره 4000 سنة ثقيل،
-
4:10 - 4:12لا يمكنه تخزين كمٍّ كبيرٍ من المعلومات،
-
4:12 - 4:15و هذه المعلومات غير قابلة للتغيير.
-
4:15 - 4:19بالمقابل، فجميع الملفات
-
4:19 - 4:21التي أخذها إدوارد سنودن،
-
4:21 - 4:24من وكالة الأمن القومي في الولايات المتحدة
-
4:24 - 4:26يمكن تخزينها على ذاكرة محمولة،
-
4:26 - 4:29بحجم الإظفر.
-
4:29 - 4:34كما يمكن مشاركة
هذه المعلومات بلمح البصر. -
4:34 - 4:39الكثير والكثير من البيانات.
-
4:39 - 4:41أحد أسباب وجود هذا الكم من البيانات
-
4:41 - 4:43وهو أننا نخزن أموراً
-
4:43 - 4:46كنا دائماً نجمع معلومات عنها،
-
4:46 - 4:49وسبب آخر لهذا، أننا نأخذ أشياء
-
4:49 - 4:51كانت دوماً مليئة بالمعلومات
-
4:51 - 4:54ولكنها لم تحول إلى صيغة البيانات
-
4:54 - 4:56ومع ذلك نضعها مع البيانات.
-
4:56 - 5:00على سبيل المثال، مسألة المكان.
-
5:00 - 5:02مثلاً مارتن لوثر.
-
5:02 - 5:06لو أننا كنا في القرن السادس عشر
وأردنا معرفة مكان مارتن لوثر -
5:06 - 5:12كان علينا أن نتعقبه بشكل دائم
و نحن نحمل قلم ودواة حبر ونسجل مكانه، -
5:12 - 5:14أما اليوم انظروا كيف اختلفت الأمور
-
5:14 - 5:16تعلمون بأنه في مكان ما
-
5:16 - 5:19لعل في قاعدة بيانات شركة اتصالات
-
5:19 - 5:22يوجد هناك مدخل او جدول في قاعدة بيانات
-
5:22 - 5:24التي تسجل معلوماتك
-
5:24 - 5:26حول مكانك في كل وقت
-
5:26 - 5:27اذا كان لديك هاتف خلوي
-
5:27 - 5:30و كان مزودا بنظام تحديد المواقع او لا
-
5:30 - 5:33فيمكنه تسجيل معلوماتك
-
5:33 - 5:37اذن, فقد تم تسجيل معومات مكانك
-
5:37 - 5:41و الآن فكر في وضعيتك
-
5:41 - 5:42وضعية جلوسك الآن
-
5:42 - 5:45كيفية جلوسك
-
5:45 - 5:47الطريفة التي تجلس فيها انت و انت
-
5:47 - 5:49كلها مختلفة بسبب طول قدمك
-
5:49 - 5:51و ظهرك و وضعية ظهرك
-
5:51 - 5:54لو وضعت مئة جهاز استشعار
-
5:54 - 5:56في كل الكراسي الآن
-
5:56 - 5:59لاستطعت رسم مخطط خاص بك
-
5:59 - 6:04و كأنه بصمتك , و لكن ليس بصمة اصبعك
-
6:04 - 6:07اذن ماذا استطيع ان افعل مع هذا؟
-
6:07 - 6:09يستخدم الباحثون هذه الخاصية في طوكيو
-
6:09 - 6:14كجهاز كامن ضد السرقة في السيارات
-
6:14 - 6:16عندما يجلس السارق خلف المقود
-
6:16 - 6:19و يحاول الانطلاق, عندها تتعرف السيارة
-
6:19 - 6:21على ان الجالس لم يتم التعرف عليه
-
6:21 - 6:23و عندها ينطفئ المحرك
-
6:23 - 6:26الا اذا ادخلت الرقم السري في لوحة القيادة
-
6:26 - 6:31مثلا "مرحبا, لدي الصلاحية في القيادة"
-
6:31 - 6:33ماذا لو كل سيارة في اروبا
-
6:33 - 6:35كانت تمتلك هذه التقنية؟
-
6:35 - 6:38ماذا كنا نستطيع ان نفعله؟
-
6:38 - 6:40لو اجمعنا البيانات
-
6:40 - 6:44لاستطعنا ان نتعرف على اشارات المؤشر
-
6:44 - 6:47و يعمل ايضا كافضل جهاز يتوقع حدوث اصطدام
-
6:47 - 6:53في الخمس ثوان المقبلة
-
6:53 - 6:55اذن, ستبين البيانات
-
6:55 - 6:57بأن السائق مرهق
-
6:57 - 6:59و ستفعل الخدمة عندما تستشعر السيارة
-
6:59 - 7:03بأن السائق يبدأ بالارهاق
-
7:03 - 7:07عندها ستفعل نظام الانذار الداخلي
-
7:07 - 7:09التي تبدأ بهز المقود و الصفير
-
7:09 - 7:11اشارة للسائق بأن يستيقظ
-
7:11 - 7:12و ان يراقب الطريق اكثر
-
7:12 - 7:14هذه الأمور التي باستطاعتنا فعله
-
7:14 - 7:17عندما نستجمع معلومات اكثر عن حياتنا
-
7:17 - 7:21اذن, ما هي فائدة هذا الكم من البيانات؟
-
7:21 - 7:23حسنا, لننظر في الأمر
-
7:23 - 7:25لديك كم اكبر من المعلومات
-
7:25 - 7:29تستطيع فعل امور اكثر من ذي قبل
-
7:29 - 7:30من اكثر المجالات المذهلة
-
7:30 - 7:32التي تعمل فيها هذه الخاصية
-
7:32 - 7:35هو مجال التعلم الآلي
-
7:35 - 7:39التعلم الآلي هو فرع من الذكاء الاصطناعي
-
7:39 - 7:42و الذي في ذاته فرع من علوم الحاسبات
-
7:42 - 7:43بشكل عام تكون الفكرة
-
7:43 - 7:46انه بدل من امر الحاسوب بالعمل
-
7:46 - 7:48ببساطة سندخل معلومات حول المشكلة
-
7:48 - 7:51و نخبر الحاسبة بحل المشكلة بنفسها
-
7:51 - 7:53ستساعدك هذه العملية في فهم المشكلة
-
7:53 - 7:57في النظر في اصلها
-
7:57 - 7:59في الخمسينيات, كان هنالك عالم في الحاسبات
-
7:59 - 8:03في شركة (IBM) يعرف بـ آرثر سامويل كان يحب
-
8:03 - 8:04الشطرنج, فصنع برنامجا
-
8:04 - 8:07يستطيع فيها اللعب ضد الحاسبة
-
8:07 - 8:10لعب ففاز
-
8:10 - 8:12و لعب ففاز
-
8:12 - 8:15و لعب ففاز
-
8:15 - 8:17لأن الحاسبة كانت تعرف
-
8:17 - 8:19الخطوات القانونية في اللعبة
-
8:19 - 8:21ولكن سامويل كان يعرف امرا آخر
-
8:21 - 8:26كان يعرف الاستراتيجية
-
8:26 - 8:28فصنع برنامجا ثانويا مع اللعبة
-
8:28 - 8:30يعمل خلف الكواليس
-
8:30 - 8:32و كل ما كان يفعله هو حساب الاحتمالات
-
8:32 - 8:34انه اي لترتيب في اللعبة سيؤدي الى
-
8:34 - 8:37الفوز ضد الخصم
-
8:37 - 8:40بعد كل حركة في اللعبة
-
8:40 - 8:43لعب ضد الحاسبة ففاز
-
8:43 - 8:45و لعب ففاز
-
8:45 - 8:49و لعب ففاز
-
8:49 - 8:51بعدها ترك الحاسبة
-
8:51 - 8:54لتكون خصم نفسها في اللعبة
-
8:54 - 8:57لعبت ضد نفسها و استجمعت بيانات اكثر
-
8:57 - 9:01اكتسبت بيانات اكثر و زادت في دقة توقعاتها
-
9:01 - 9:03ثم رجع سامويل الى الحاسبة
-
9:03 - 9:06و لعب ضد الحاسبة فخسر
-
9:06 - 9:08و لعب فخسر
-
9:08 - 9:10و لعب فخسر
-
9:10 - 9:13عندها صنع سامويل آلة فاقت قدرته
-
9:13 - 9:19في المهمة التي علمها الى الحاسبة.
-
9:19 - 9:21و بدأت فكرة التعليم الآلي
-
9:21 - 9:25بالتوسع في كل مكان.
-
9:25 - 9:28اذن كيف حصلنا على سيارة ذات السياقة الآلية
-
9:28 - 9:31هل سنكون افضل كمجتمع واحد يعمل على
-
9:31 - 9:34ادخال المعلومات المرورية الى برنامج واحد؟
-
9:34 - 9:36كلا. هل السبب في الخزن الرخيص؟ كلا.
-
9:36 - 9:40في سرعة الخوارزميات؟ سرعة المعالجات؟ كلا
-
9:40 - 9:43كلها مهمة الا انها ليست السبب.
-
9:43 - 9:46السبب هو اننا غيرنا طبيعة المشكلة.
-
9:46 - 9:48غيرنا طبيعة المشكلة الى
-
9:48 - 9:50صورة نعمل فيها بجهد
-
9:50 - 9:53على تعليم الحاسبة كيفية السياقة
-
9:53 - 9:54في برنامج نقول له:
-
9:54 - 9:56"هذه معلومات حول السيارة"
-
9:56 - 9:57انت اكتشف الأمر لوحدك
-
9:57 - 9:59انت اكتشف اين اشارة المرور.
-
9:59 - 10:01و ان الاشارة حمراء و ليست خضراء
-
10:01 - 10:03و التي تعني التوقف
-
10:03 - 10:06و ليس الحركة.
-
10:06 - 10:08التعليم الآلي هو الأساس
-
10:08 - 10:10لكثير من الأمور التي نفعلها على النت
-
10:10 - 10:12مثل محركات البحث
-
10:12 - 10:16و الخوارزميات المخصصة لموقع آمازون
-
10:16 - 10:18و ترجمة الحاسبة
-
10:18 - 10:22و انظمة التعرف الصوتي.
-
10:22 - 10:25بدأ الباحثون مؤخرا في دراسة
-
10:25 - 10:28التحليلات النسيجية
-
10:28 - 10:31و التحليلات السرطانية
-
10:31 - 10:33و طلبوا من الحاسبة التعرف على النتائج
-
10:33 - 10:36من خلال حساب البيانات و احتمالية الشفاء
-
10:36 - 10:40لتحديد ان كانت فعلا
-
10:40 - 10:43الخلايا سرطانية ام لا.
-
10:43 - 10:45و بالتأكيد عند ادخال البيانات
-
10:45 - 10:47عن طريق خوارزميات في التعليم الآلي
-
10:47 - 10:49استطاعت الحاسبة في التعرف
-
10:49 - 10:51على اثني عشر مؤشرا من التحليل
-
10:51 - 10:54ان هذه الخلايا
-
10:54 - 10:57هي بالفعل خلايا سرطانية.
-
10:57 - 11:00كانت المشكلة ان المعلومات الطبية المتوفرة
-
11:00 - 11:03قد تعرفت على تسعة مؤشرات فقط
-
11:03 - 11:04كانت هناك ثلاث مؤشرات
-
11:04 - 11:07لم يبحثها الأطباء
-
11:07 - 11:13بينما اكتشفتها الحاسبة.
-
11:13 - 11:19بالمقابل, هنالك جانب مظلم للبيانات الكبيرة
-
11:19 - 11:21سوف تحسن طريقة حياتنا, لكن توجد هناك مشكلة
-
11:21 - 11:24يجب الحذر منها.
-
11:24 - 11:26اولها اننا
-
11:26 - 11:29قد نُعاقب لهذه التنبؤات
-
11:29 - 11:33لأن الشرطة قد تستخدم هذه الخاصية في عملها
-
11:33 - 11:35كما في فلم "تقرير الأقلية".
-
11:35 - 11:38يوجد الآن مصطلح يعرف بـ "الأمن التنبؤي"
-
11:38 - 11:40او "خوارزميات علم الجريمة"
-
11:40 - 11:42و الفكرة هي عندما نأخذ مجموعة من البيانات
-
11:42 - 11:44مثلا مكان وقوع الجريمة
-
11:44 - 11:47سوف نعرف اين نرسل الدوريات
-
11:47 - 11:49هذا أمر منطقي, لكن المشكلة هي
-
11:49 - 11:53ان النظام لن يتوقف عند معلومات الموقع
-
11:53 - 11:56و انما يبدأ بالبحث في معلومات الأفراد
-
11:56 - 11:59مثلا المعلومات الشخصية عن الشخص
-
11:59 - 12:01في ايام دراسته في الثانوية
-
12:01 - 12:02لعنا يجب دراسة وضع الشخص
-
12:02 - 12:04ان كان موظفا ام لا, و درجته الائتمانية
-
12:04 - 12:06و طريقة استخدامه للانترنت
-
12:06 - 12:08هل الشخص يبقى مستيقظا لوقت متأخر
-
12:08 - 12:11و معلومات نظامه الصحي و العقلي
-
12:11 - 12:15عندها سيتبين ان الفرد لديه افكار عدوانية.
-
12:15 - 12:17قد تكون لدينا خوارزميات تتنبأ
-
12:17 - 12:19حول ما سنفعله بعد قليل
-
12:19 - 12:20و دراسة النتائج
-
12:20 - 12:23قبل الاقدام على الفعل.
-
12:23 - 12:25كان الخصوصية من اهم التحديات
-
12:25 - 12:28في مجال البيانات المحدودة.
-
12:28 - 12:30اما في عصر البيانات المفتوحة
-
12:30 - 12:34سوف يكون التحدي هو حماية الحرية الفردية
-
12:34 - 12:38و القرارات الفردية و قوة الارادة
-
12:38 - 12:41و الكيان الفردي.
-
12:43 - 12:45توجد هناك مشكلة اخرى.
-
12:45 - 12:48سوف تقوم هذه البيانات الضخمة بسرقة وظائفنا
-
12:48 - 12:52هذه البيانات الى جنب الخوارزميات سوف تقوم
-
12:52 - 12:55بتحدي اعمالنا الاحترافية
-
12:55 - 12:57في القرن الواحد و العشرين
-
12:57 - 12:59بنفس الطريقة التي قامت المصانع
-
12:59 - 13:01و الآليات
-
13:01 - 13:04بتحدي عمال الفحم في القرن العشرين.
-
13:04 - 13:06مثلا عامل فني في مختبر
-
13:06 - 13:08الذي يقوم بالدراسة من خلال
-
13:08 - 13:09النظر عبر المجهر في التحليلات
-
13:09 - 13:12و القرار ان كانت الخلايا سرطانية ام لا.
-
13:12 - 13:14في الواقع قد ذهب هذا الشخص الى الجامعة
-
13:14 - 13:15و قد يمتلك بيتا
-
13:15 - 13:17و يصوت في الانتخابات
-
13:17 - 13:21و قد يكون من اصحاب المصالح في المجتمع
-
13:21 - 13:22فيصبح عمل هذا الشخص
-
13:22 - 13:24و كثيرين من امثاله
-
13:24 - 13:26من المحترفين
-
13:26 - 13:29سوف يجدون ان اعمالهم قد تغيرت كليا
-
13:29 - 13:31او انتهت تماما.
-
13:31 - 13:33و الآن علينا ان نفكر
-
13:33 - 13:36بأن التكنولوجيا سوف تصنع وظائف جديدة
-
13:36 - 13:39خلال فترة زمنية قليلة
-
13:39 - 13:41و التي سوف تمسنا
-
13:41 - 13:43و بعبارة اخرى انها ثورة صناعية اخرى
-
13:43 - 13:46و هذا بالفعل ما حدث.
-
13:46 - 13:48و لكننا نسينا شيئا في هذا التحليل.
-
13:48 - 13:50توجد هناك عدة اصناف من الوظائف
-
13:50 - 13:53التي سوف تنتهي و لن تعود ابدا.
-
13:53 - 13:55لم تكن الثورة الصناعية مثالية في واقعها
-
13:55 - 13:59بانسبة للخيول مثلا.
-
13:59 - 14:01اذن علينا ان نكون اكثر حذرا
-
14:01 - 14:05و علينا ان نستفيد من البيانات بصورة تكمل
-
14:05 - 14:08الحاجات الانسانية
-
14:08 - 14:10علينا ان نكون اسياد هذا التطور
-
14:10 - 14:12و ليس عبيده.
-
14:12 - 14:15نقف الآن على اعتاب هذا العصر المعلوماتي
-
14:15 - 14:18و بصراحة لسنا بارعين في هذا المجال
-
14:18 - 14:22في تصنيف المعلومات التي نحصل عليها.
-
14:22 - 14:25ليت عائقا فقط لوكالة الأمن القومي.
-
14:25 - 14:28يتم جمع كم هائل من البيانات
و لكن لا تُستخدم بصورة صحيحة -
14:28 - 14:32علينا ان نطور انفسنا في هذا المجال
و هذا يستغرق وقتا -
14:32 - 14:34يشبه هذا التحدي نفس التحدي
-
14:34 - 14:36الذي واجهه الانسان البدائي مع النار.
-
14:36 - 14:38انها اداة, و لكننا
-
14:38 - 14:42ان استخدمناه بصورة خاطئة سوف تحرقنا.
-
14:44 - 14:47هذه البيانات سوف تغير طريقة معيشتنا
-
14:47 - 14:50و عملنا و طريقة تفكيرنا.
-
14:50 - 14:52سوف تساعدنا في ادارة وظائفنا
-
14:52 - 14:55لنصنع حياة الرضا و الأمل
-
14:55 - 14:58و السعادة و الصحة
-
14:58 - 15:02سابقا كنا ننظر الى تكنولوجيا المعلومات
-
15:02 - 15:04و لم نكن نرى فيها روحا
-
15:04 - 15:06مجرد ادوات
-
15:06 - 15:08و هذا كان الواقع الملموس.
-
15:08 - 15:11اما الآن يجب ان نعيد النظر
-
15:11 - 15:12لنرى الروح و ليس فقط الجسد
-
15:12 - 15:14الذي هو اقل وضوحا
-
15:14 - 15:18و لكن باتأكيد اكثر اهمية.
-
15:18 - 15:21استطاع البشر اخيرا ان يتعلم من المعلومات
-
15:21 - 15:24التي يستجمعها
-
15:24 - 15:26جزءا من التساؤل الأزلي
-
15:26 - 15:29حول مفهوم الحياة و الوجود
-
15:29 - 15:34و لهذا البيانات الكبيرة هي ذات اهمية كبيرة
-
15:34 - 15:38(تصفيق)
- Title:
- الكم الكبير من البيانات هي بيانات افضل
- Speaker:
- كينيث كوكير
- Description:
-
السيارات المزودة بنظام السياقة الآلية هي البداية. ماذا سيكون مستقبل التكنولوجيا التي تعتمد على البيانات الكبيرة؟ في محاضرة شيقة, يبين كينيث كوكير مستقبل التعليم الآلي و العلم البشري.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 15:51
Ayman Mahmoud approved Arabic subtitles for Big data is better data | ||
Ayman Mahmoud accepted Arabic subtitles for Big data is better data | ||
Abd Al-Rahman Al-Azhurry edited Arabic subtitles for Big data is better data | ||
Abd Al-Rahman Al-Azhurry edited Arabic subtitles for Big data is better data | ||
Abd Al-Rahman Al-Azhurry edited Arabic subtitles for Big data is better data | ||
Retired user edited Arabic subtitles for Big data is better data | ||
Retired user edited Arabic subtitles for Big data is better data | ||
Mujtaba Al-Helu edited Arabic subtitles for Big data is better data |