Velká data jsou lepší data

Samořídící se auta jsou jen začátek. Jaká je budoucnost technologie a designu, poháněných velkými daty? Ve fascinující vědecké přednášce se Kenneth Cukier věnuje tomu, co dalšího nás čeká v oblasti strojového učení a lidského vědění.

Který koláč je v Americe nejoblíbenější?

Publikum: Jablečný
Kenneth Cukier: Jablečný, samozřejmě.

Jak to víme?

Díky datům.

Podíváte se na prodej v obchodech.

Když se podíváte na 30 cm velké
mražené koláče,

jablečné jednoznačně vítězí. Bezpochyby.

Nejvíc se prodá jablečných koláčů.

Jenže pak supermarkety začaly prodávat

menší 11cm koláče

a najednou se jablečné propadly
na čtvrté nebo páté místo.

Proč? Co se stalo?

Zamysleme se.

Když kupujete třiceticentimetrový koláč,

celá rodina se musí shodnout

a jablko je u všech druhé nejoblíbenější.

(smích)

Ale když si kupujete vlastní 11cm koláč,

můžete si koupit ten, který chcete vy.

Můžete mít váš nejoblíbenější.

Získáváte více dat.

Zjistíte věci,

které nejsou patrné

s menším množstvím dat.

Jde o to, že s více daty,

nejenže vyzkoumáme víc z toho,

co už sledujeme,

více dat nám umožní spatřit věci nově.

Umožňuje nám to vidět věci lépe.

Vidět věci jinak.

V tomto případě nám umožňují zjistit,

že nejoblíbenější koláč v Americe

není jablečný.

Už jste asi slyšeli pojem velká data.

Spíš se vám už dělá špatně,

když slyšíte termín velká data.

Mluvit o velkých datech je v kurzu,

což je velmi nešťastné,

protože velká data jsou
extrémně důležitým nástrojem,

díky kterému společnost postoupí dál.

V minulosti jsme zkoumali malá data

a přemýšleli, co znamenají

pro naše porozumění světu

Teď jich máme mnohem více,

více než kdykoli předtím.

Když máme velké množství dat,

můžeme s nimi dělat věci,

které jsme s menším množstvím
nemohli dělat.

Velká data jsou důležitá a nová.

A když se nad tím zamyslíte,

jediný způsob, jak se planeta vypořádá

se svými globálními problémy -

nakrmit lidi, dát jim zdravotní péči,

dát jim energii, elektřinu,

zajistit, abychom se nespálili na uhel

vlivem globálního oteplování -

je efektivním využitím dat.

Co nového přináší velká data?
Proč ten poprask?

Pro odpověď se zamysleme nad tím,

jak informace v minulosti

vypadaly fyzicky.

V roce 1908 na ostrově Kréta

archeologové objevili hliněný disk.

Byl vyroben 2 tisíce let před Kristem,
je 4 tisíce let starý.

Na tom disku jsou nápisy,

o kterých nevíme co znamenají.

Je to záhada.
Podstatné ale je to,

jak informace vypadaly

před 4 tisíci lety.

Tak společnost uchovávala

a přenášela informace.

Současná společnost
zase tak moc nepokročila.

Pořád skladujeme informace na discích,

ale můžeme informací uchovat

mnohem více než kdy dříve.

Je snazší jejich hledání, kopírování,

sdílení i zpracování - vše je jednodušší.

Také můžeme tyto informace využít

způsoby nepředstavitelnými v době,

kdy jsme data začali sbírat.

V tomto ohledu se data proměnila

ze soupisu na tok,

z něčeho, co je nehybné a stálé,

na něco tekutého a dynamického.

Mají tak trochu tekutou povahu.

Disk, který byl objeven na Krétě,

starý 4 tisíce let, je těžký,

neobsahuje mnoho informací

a tyto informace jsou neměnné.

Naproti tomu všechny soubory,

které vzal Edward Snowden

z Národní bezpečnostní agentury
Spojených států,

se vejdou na flash disk

velikosti nehtu.

A mohou být sdílena rychlostí světla.

Více dat. Více.

Jedním z důvodů, proč máme
dnes na světě tolik dat,

je to, že sledujeme věci,

o kterých jsme vždy informace měli,

ale druhým důvodem je,
že sledujeme věci,

které vždy nesly informace,

ale nebyly převedeny do datového formátu

ale teď o nich data ukládáme.

Například taková poloha.

Vezměte si třeba Martina Luthera.

Kdybychom kolem roku 1500 chtěli vědět,

kde se Martin Luther nachází,

museli bychom jej stále sledovat,

možná s brkem a kalamářem

a zapisovat to.

Ale zamyslete se, jak to funguje dnes.

Víte, že někde,

pravděpodobně v databázi operátora,

je tabulka nebo alespoň záznam v databázi,

který zaznamenávaná informace o tom,
kde jste kdy byli.

Máte-li mobilní telefon,
který má GPS,

- ale i když GPS nemá -
může zaznamenávat polohu.

V tomto ohledu byla poloha
převedena do formy dat.

Teď si vezměte třeba takové držení těla,

způsob, jakým teď všichni sedíte,

jak sedíte vy,

vy a vy.

Liší se to vlivem délky vašich nohou,

vašich zad a jejich tvaru.

Kdybych do všech vašich židlí

nyní dal třeba 100 senzorů,

mohl bych vytvořit záznam
unikátní pro každého z vás,

něco jako otisk prstu,
ale nejde o váš prst.

Co bychom s tím mohli udělat?

Vědci v Tokiu jej využívají

jako možné opatření proti krádeži aut.

Jde o to, že zloděj usedne za volant,

snaží se odjet, ale auto pozná,

že za volantem sedí neoprávněný řidič

a auto třeba vypne motor,

dokud na palubní desce nezadáte
správné heslo,

čímž řeknete:
„Hele, jsem oprávněný to řídit.“ Paráda.

Co kdyby každé auto v Evropě

mělo takovou technologii?

Co bychom dělali pak?

Možná, kdybychom dali data dohromady,

možná bychom mohli rozpoznat signály,

které by předvídaly,

že se v příštích 5 sekundách
stane dopravní nehoda.

Tak bychom mohli pomocí dat

odhalit únavu řidiče

a když by auto poznalo,

že se řidič sune do určité pozice,

automaticky to rozezná
a spustí uvnitř poplach,

může to být vibrace volantu
nebo klakson v autě,

a tím řekne: „Hele, vzbuď se,

dávej pozor na cestu!“

Tyhle věci můžeme udělat,

když převedeme na data
více aspektů našeho života.

Jaká je tedy hodnota velkých dat?

Inu, zamysleme se.

Máte více informací.

Můžete dělat věci,
které jste předtím nemohli.

Jednou z nejpůsobivějších oblastí,

kde se tento koncept uplatňuje

je v oblasti strojového učení.

Strojové učení je
odvětví umělé inteligence,

které patří do počítačových věd.

Hlavní myšlenkou je, že místo toho,

že řekneme počítači, co má dělat,

jednoduše mu dáme všechna data
související s problémem

a řekneme mu,
aby problém vyřešil sám.

Lépe to pochopíte,

když víte, jak to vzniklo.

V 50. letech Arthur Samuel,
počítačový vědec v IBM,

rád hrál piškvorky,

takže napsal počítačový program,

aby mohl hrát s počítačem.

Hrál.

A vyhrál.

Hrál.

A vyhrál.

Hrál a vyhrál.

Protože počítač uměl jen tahy,

které ho naučil.

Arthur Samuel uměl něco jiného.

Arthur Samuel znal strategii.

Takže napsal podprogram,

který běžel na pozadí

a po každém tahu

počítal pravděpodobnost,

s jakou uspořádání na hracím poli

povede k vítěznému tahu nebo prohře.

Takže hraje s počítačem. A vyhrává.

Hraje s počítačem a vyhrává.

Hraje s počítačem a vyhrává.

Pak Arthur Samuel nechá počítač,

aby si hrál sám.

Hraje si sám. Sbírá více dat.

Sbírá informace.
Zvýší spolehlivost svého odhadu.

Pak se Arthur Samuel vrátí k počítači

a hraje s ním. A prohraje.

Hraje s ním a prohraje,

hraje s ním a prohraje.

A tak Arthur Samuel vytvořil stroj,

který překonal jeho schopnosti v úloze,
kterou jej naučil.

Myšlenka strojového učení

je přítomná všude.

Odkud myslíte, že máme auta,
která se sama řídí?

Vede si naše společnost lépe díky tomu,

že všechna pravidla silničního provozu
nasypeme do softwaru? Ne.

Paměť je levnější? Ne.

Algoritmy jsou rychlejší? Ne.
Procesory jsou lepší? Ne.

Na tom vše záleží, ale to není ten důvod.

Je to proto,
že jsme změnili povahu problému.

Z problému, kde jsme se zevrubně

a doslovně snažili

vysvětlit počítači jak má jezdit,

na úkol, kdy mu řekneme:

„Tady máš spoustu dat z okolí vozu.

Vyřeš to.

Uvědom si, že toto je semafor,

na tom semaforu je červená
a ne zelená,

že to znamená, že bys měl zastavit

a nepokračovat dál.“

Strojové učení je základem mnoha věcí,

které využíváme online:

vyhledávače,

algoritmus personalizace v Amazonu,

počítačový překlad,

systém rozpoznání hlasu.

Vědci nyní řeší otázky biopsií,

rakovinových biopsií.

Požádali počítač,

aby zjistil z dat a statistik o přežití,

jestli jsou buňky skutečně
zhoubné nebo ne.

Když dostal data pomocí
algoritmu strojového učení,

počítač byl schopný identifikovat
12 znaků nejlépe určujících,

zda buňky z biopsie rakoviny prsu
jsou skutečně zhoubné.

Problém byl, že odborná lékařská
literatura uváděla jenom 9 z nich.

Tři z těchto znaků lidé nehledali,
ale stroj je našel.

Velká data mají i své stinné stránky.

Mohou zlepšit naše životy,
ale jsou zde věci, o kterých musíme vědět.

První je možnost,
že můžeme být potrestáni za předpovědi;

že policie může využít
velká data pro své účely

tak trochu jako ve filmu Minority report.

Říká se tomu prediktivní kontrola
nebo algoritmová kriminologie

a základem je, že když vezmeme hodně dat,

třeba kde se staly zločiny v minulosti,
víte, kam poslat hlídky.

To dává smysl, ale problémem je,
že se to nezastaví u údajů o poloze,

ale dojde i na údaje o osobách.

Proč nevyužít údaje
o výsledcích ze střední školy?

Možná bychom měli využít data o tom,
zda lidé mají práci, data o dluzích

nebo co dělají na internetu;
zda ponocují.

Jejich fitness náramky (fitbit),
přečtou jejich biochemické údaje

a zjistí, zda mají agresivní myšlenky.

Můžeme mít algoritmy,
které jsou schopny předpovědět,

co se chystáme udělat

a my můžeme být zodpovědní už před tím,
než začneme jednat.

Soukromí bylo výzvou v éře malých dat.

V éře velkých dat bude výzvou
ochrana svobodné vůle,

ochrana morální volby, lidské vůle,
lidského jednání.

Pak je zde další problém.

Velká data nám vezmou práci.

V 21. století velká data a algoritmy

vyzvou na souboj
bílé límečky a odbornou práci,

stejně jako automatizace ve výrobě
a výrobní linky

změnily práci modrých límečků
ve 20. století.

Vezměte si laboratorního technika,

který v mikroskopu
zkoumá biopsii a určuje,

zda jde o rakovinu nebo ne.

Ten člověk chodil na univerzitu,
koupil si dům,

chodí k volbám,
je platným členem společnosti.

Ale práce tohoto člověka,
stejně jako celé řady

jemu podobných odborníků,
se radikálně změní

nebo dokonce přestane být vůbec potřeba.

Rádi bychom si mysleli,

že technologie vytvoří
jiná pracovní místa,

po krátkém, dočasném období změn

a pro období, ve kterém žijeme,
je to pravda,

v průmyslové revoluci se přesně to stalo.

Ale zapomínáme na to,

že některé typy prací

jednoduše zmizely a nikdy se nevrátily.

Průmyslová revoluce nebyla moc dobrá,

když jste byli kůň.

Takže musíme být opatrní

a využívat velká data pro naše potřeby,

naše lidské potřeby.

Musíme technologii vládnout,
ne jí sloužit.

Jsme právě na prahu éry velkých dat
a upřímně,

zacházení se všemi údaji,
které nyní sbíráme, nám moc nejde.

Není to jen problém NSA.
(Národní bezpečnostní agentury)

I firmy sbírají mnoho údajů
a také je zneužívají,

musíme se s tím naučit zacházet,
což zabere nějaký čas.

Je to trochu jako výzva,

které čelili pralidé s ohněm.

Je to užitečný nástroj,

ale když si nedáme pozor, popálí nás.

Velká data změní to, jak žijeme,

jak pracujeme a jak myslíme.

Pomohou nám lépe řídit naše kariéry

a žít spokojený život

v naději, štěstí a zdraví.

Ale v minulosti jsme se často dívali
na informační technologie

a viděli jsme jen to T

- technologii, hardware,

protože to bylo fyzické.

Nyní zaostříme na I

- informace,

které jsou méně zjevné,

ale v řadě věcí důležitější.

Lidstvo se konečně může učit z informací,

které může sbírat

na nekonečné cestě

k porozumění světu a našemu místu v něm.

Proto jsou velká data tak důležitá.

(potlesk)