I Big Data sono dati migliori

Le auto che si guidano da sole sono solo l'inizio. Dove porteranno il futuro della tecnologia e del design i Big Data? In un eccitante monologo scientifico, Kenneth Cukier guarda al futuro dell'apprendimento automatico e della conoscenza umana.

Qual è la torta preferita dagli americani?

Pubblico:Quella di mele.

Kenneth Cukier: Quella di mele.
Ovviamente.

Come lo sappiamo?

Grazie ai dati.

Guardate le vendite dei supermercati.

Guardate le vendite dei supermercati

relative alle torte surgelate
di 30 centimetri.

la torta di mele vince, non c'è gara.

La maggior parte delle vendite
è di torte di mele.

Poi i supermercati
hanno iniziato a vendere

torte più piccole da 11 centimetri

e improvvisamente la torta di mele
cade al quarto o quinto posto.

Perché? Cos'è successo?

Pensateci.

Quando comprate
una torta da 30 centimetri

tutta la famiglia deve essere d'accordo

e la torta di mele è
la seconda preferita di tutti.

(Risate)

Tuttavia quando comprate
una torta da 11 centimetri

potete acquistare
quella che preferite.

Potete avere la vostra prima scelta.

Avete più dati.

Potete vedere qualcosa

che non potreste vedere

con un quantitativo minore di dati.

Qui il punto è che più dati

non ci fanno semplicemente
vedere di più,

ma di più della stessa cosa
che stiamo osservando.

Più dati ci permettono di vedere il nuovo.

Ci permettono di vedere meglio.

Ci permettono di vedere in modo diverso.

In questo caso ci permettono di vedere

che la torta preferita dagli americani è:

non la torta di mele.

Probabilmente avete tutti
sentito parlare di Big Data.

Anzi, probabilmente siete stanchi
di sentir nominare la parola

Big Data.

È vero che c'è stato molto
clamore sull'argomento

ed è un vero peccato

perché i Big Data sono uno strumento
veramente importante

grazie al quale la società progredirà.

In passato siamo stati abituati
a guardare ai piccoli dati

pensando a cosa potesse dire

a cercare di capire il mondo

e adesso ne abbiamo molti di più,

molti di più di quanti
ne abbiamo mai avuti prima.

Scopriamo che quando abbiamo

un gran quantitativo di dati,
possiamo fare certe cose

che non potevamo fare quando
ne avevamo di meno.

I Big Data sono importanti,
i Big Data sono nuovi

e se ci pensate

l'unico modo
che il pianeta avrà di gestire

la sua sfida globale

di nutrire le persone,
fornire loro cure mediche,

energia, elettricità,

ed essere certi
che non saranno carbonizzate

a causa del riscaldamento globale

è grazie ad un uso efficace dei dati.

Cosa c'è di nuovo
sui Big Data? Qual è il punto?

Per rispondere alla domanda, pensiamo

all'aspetto delle informazioni,

a come si presentavano
fisicamente in passato.

Nel 1908 sull'isola di Creta

gli archeologi hanno scoperto
un disco di argilla.

L'hanno datato intorno al 2000 a.C.,
ha quindi circa 4000 anni.

Su questo disco c'è un'iscrizione

che effettivamente
non sappiamo cosa significhi.

È un completo mistero,

ma il punto è

che questo è l'aspetto
che avevano le informazioni

4000 anni fa.

È il modo in cui la civiltà archiviava

e trasmetteva informazioni.

La civiltà non è poi così progredita.

Immagazziniamo ancora
informazioni su dischi

solo che oggi possiamo immagazzinare
molte più informazioni

come mai prima d'ora.

Ricercarle è più semplice.
Copiarle è più semplice.

Condividerle è più semplice.
Elaborarle è più semplice.

Inoltre possiamo riutilizzare
queste informazioni

per scopi che non avremmo mai immaginato

quando per la prima volta
abbiamo raccolto dati.

A questo proposito, i dati sono passati

da un blocco ad un flusso,

da qualcosa di immobile e statico

a qualcosa di fluido e dinamico.

C'è, se volete,
una liquidità nelle informazioni.

Il disco scoperto a Creta

vecchio di 4000 anni, è pesante,

non può immagazzinare molta informazione

e le informazioni
non si possono modificare.

Invece tutti i file

che Edward Snowden ha preso

dalla National Security Agency
negli Stati Uniti

sono contenuti in una chiavetta USB

delle dimensioni di un unghia

e possono essere condivisi
alla velocità della luce.

Più dati. Di più.

Una ragione per cui abbiamo
così tanti dati nel mondo oggi

è che raccogliamo cose

delle quali abbiamo sempre
raccolto informazioni,

ma un'altra ragione è
che stiamo prendendo cose

che sono sempre state esplicative

ma non le abbiamo mai
rappresentate in forma di dati

e le stiamo trasformando in dati.

Pensate, ad esempio,
alla questione della localizzazione.

Prendete, ad esempio, Martin Lutero.

Se nel 1500 avessimo voluto sapere

dove fosse Martin Lutero

avremmo dovuto seguirlo tutto il tempo

probabilmente con una penna d'oca
e un calamaio

per documentarlo,

pensate a come funziona oggi.

Sapete che da qualche parte

nel database di un operatore
delle telecomunicazioni

c'è un foglio o perlomeno un database

che raccoglie le vostre informazioni

di dove siete in qualunque momento.

Se avete un cellulare

e quel cellulare ha il GPS,
ma anche se non ha il GPS,

può registrare le vostre informazioni.

In questo senso la localizzazione
è stata datificata.

Pensate ora, ad esempio,
alla questione della postura

il modo in cui tutti voi siete seduti ora,

come sei seduto tu,

come sei seduto tu, come sei seduto tu.

Cambia in funzione della lunghezza
delle vostre gambe,

della vostra schiena,
della forma della vostra schiena,

se io mettessi dei sensori
magari 100 sensori

su ognuna delle vostre
sedie proprio adesso

potrei creare un indice unico per voi,

una sorta di impronta digitale,
ma non del vostro dito.

Cosa potremmo farci?

Dei ricercatori a Tokyo
li stanno utilizzando

per un potenziale
dispositivo antifurto delle auto.

L'idea è che il ladro d'auto
sieda dietro al volante,

cerchi di avviare l'auto, ma lei riconosce

che dietro al volante c'è
un guidatore non approvato

il motore si fermerà,
a meno che voi

non digitiate una password sul cruscotto

che dica "Hey, ho
l'autorizzazione a guidare". Grandioso.

Cosa succederebbe
se ogni singola auto in Europa

avesse questa tecnologia?

Cosa potremmo fare allora?

Forse, aggregando i dati

potremmo identificare i segnali rivelatori

che predicano al meglio
che un incidente automobilistico

sta per avvenire
nei prossimi cinque secondi.

Quello che avremmo datificato

sarebbe l'affaticamento del guidatore

e la funzione sarebbe
che quando l'auto rileva

che la persona sta crollando
in una certa posizione

sa automaticamente
di dover attivare un allarme interno

che faccia vibrare il volante
e suonare un clacson interno

per dire "Hei svegliati

fai attenzione alla strada".

Questo è il tipo di cose che possiamo fare

quando datifichiamo
più aspetti delle nostre vite.

Quindi, qual è il valore dei Big Data?

Pensateci.

Avete più informazioni.

Potete fare cose
che non avete mai potuto fare prima.

Una delle aree più impressionanti

dove questo concetto sta prendendo piede

è nell'area dell'apprendimento automatico.

L'apprendimento automatico è
una branca dell'intelligenza artificiale

che è a sua volta
una branca dell'informatica.

L'idea generale è che invece

di dire ad un computer cosa fare

dovremmo semplicemente
inviargli i dati del problema

e dire al computer di risolverlo da solo.

Per comprenderlo, vi aiuterà

vederne le origini.

Nel 1950 l'informatico

dell'IBM Arthur Samuel,
al quale piaceva giocare a dama

scrisse un programma

per poter giocare contro il computer.

Giocò. Vinse.

Giocò. Vinse.

Giocò. Vinse

perché il computer sapeva soltanto

quali fossero le mosse consentite.

Arthur Samuel conosceva qualcos'altro.

Arthur Samuel conosceva la strategia.

Così scrisse un piccolo
sub-programma da affiancare al primo,

che lavorava in background.
Tutto quello che faceva

era registrare la probabilità

che una certa configurazione
della scacchiera portasse

ad un risultato vincente o perdente

dopo ogni mossa.

Giocò con il computer. Vinse.

Giocò con il computer. Vinse.

Giocò con il computer. Vinse.

Quindi Arthur Samuel lascio il computer

a giocare da solo.

Giocò da solo. Raccolse più dati.

Raccolse più dati. Migliorò
l'accuratezza delle proprie previsioni.

Quindi Arthr Samuel ritornò al computer

giocò e perse,

giocò e perse,

giocò e perse.

Arthur Samuel aveva creato una macchina

in grado di superarlo
in un compito che gli aveva insegnato.

Questa idea dell'apprendimento automatico

sta arrivando ovunque.

Cosa ne pensate delle automobili
che si guidano da sole?

Saremmo una società migliore

racchiudendo tutto
il codice stradale in un software?

No. La memoria è più economica. No.

Gli algoritmi sono più rapidi.
No, i processori sono migliori. No.

Tutte queste cose sono importanti,
ma non è il motivo.

È perché abbiamo cambiato
la natura del problema.

Abbiamo cambiato
la natura del problema da uno

in cui abbiamo tentato di spiegare
apertamente ed esplicitamente

al computer come guidare

a uno in cui diciamo,

"Qui ci sono un sacco di dati sul veicolo.

Devi capire.

Capisci che quello è un semaforo

che il semaforo è rosso e non verde

il che significa che devi fermarti

e non andare avanti."

L'apprendimento automatico è alla base

di molte delle cose che facciamo online:

motori di ricerca,

gli algoritmi personalizzati di Amazon,

traduzione computerizzata,

sistemi di riconoscimento vocale.

I ricercatori hanno recentemente osservato

il problema delle biopsie,

delle biopsie tumorali,

hanno chiesto al computer di identificare,

osservando i dati
e le statistiche di sopravvivenza,

di determinare se le cellule
sono veramente

tumorali oppure no

e sicuramente quando mettendoci i dati,

attraverso un algoritmo
per l'apprendimento automatico

la macchina è in grado di identificare

i 12 segni distintivi
che predicono al meglio

che la biopsia
delle cellule tumorali del seno

sono effettivamente tumorali.

Il problema: la letteratura medica

ne conosce soltanto nove.

Tre dei tratti erano

quelli che non si cercavano,

ma che la macchina ha individuato.

Nei Big Data
ci sono anche dei lati oscuri.

Miglioreranno le nostre vite,
ma ci sono dei problemi

dei quali dobbiamo essere consapevoli

e il primo è l'idea

che potremmo essere puniti per le previsioni,

che la polizia potrebbe utilizzare
i Big Data per i propri scopi

un po' come in "Minority Report".

Viene definita sorveglianza predittiva

o criminologia algoritmica,

l'idea è che se prendiamo molti dati,

per esempio dove
sono avvenuti i crimini in passato,

sappiamo dove inviare le pattuglie.

Questo ha senso,
però il problema, ovviamente,

è che tutto questo non si fermerà
semplicemente ai dati di localizzazione

arriverà a livello individuale.

Perché non utilizzare i dati scolastici

delle persone?

Forse potremmo usare il fatto

che siano disoccupate o meno,
il loro punteggio,

il loro comportamento su internet,

se stanno svegli fino a tardi la notte.

Il loro Fitbit quando sarà in grado
di identificare la biochimica

ci mostrerà che hanno pensieri aggressivi.

Potremmo avere algoritmi
in grado di prevedere

cosa stiamo per fare

e potremmo essere ritenuti responsabili

prima di aver effettivamente
fatto qualcosa.

La privacy era la sfida centrale

nell'era dei piccoli dati.

All'epoca dei grandi dati

la sfida sarà la salvaguardia
del libero arbitrio,

della scelta morale,
della decisione umana,

dell'azione umana.

C'è anche un altro problema:

i Big Data ci ruberanno il lavoro.

i Big Data e gli algoritmi
metteranno alla prova

i colletti bianchi, il lavoro di concetto

del 21° secolo

nello stesso modo in cui
l'automazione industriale

e le linee di assemblaggio

hanno messo alla prova
il lavoro dei colletti blu nel 20° secolo.

Pensate ai tecnici di laboratorio

che guardano in un microscopio

ad una biopsia per il cancro

per determinare se è tumorale oppure no.

Questa persona è andata all'università.

Questa persona acquista proprietà.

Lui o lei votano.

Lui o lei è un azionista della società.

Il lavoro di questa persona,

così come quello di un intero gruppo

di professionisti come quella persona,

si rivelerà radicalmente cambiato

oppure del tutto eliminato.

Ci piace pensare

che la tecnologia crei lavoro nel tempo

dopo un breve, temporaneo periodo di crisi

esattamente come
è stato vero in riferimento

a quello che abbiamo vissuto
durante la Rivoluzione Industriale

perché è precisamente
quello che è capitato.

Abbiamo però dimenticato
qualcosa in questa analisi:

ci sono alcune categorie di lavoro

che verranno semplicemente eliminate
e non torneranno.

La Rivoluzione Industriale
non è stata esattamente un bene

per i cavalli.

Dobbiamo essere cauti

e prendere i Big Data
e adattarli alle nostre esigenze,

alle nostre esigenze
in quanto esseri umani.

Dobbiamo essere padroni
di questa tecnologia,

non i suoi servitori.

Siamo proprio all'inizio
dell'era dei Big Data

e onestamente noi non siamo proprio bravi

nel maneggiare tutti i dati
che siamo in grado di raccogliere.

Non è soltanto un problema
della National Security Agency

Le aziende raccolgono tantissimi
dati e ne fanno pure un cattivo utilizzo

dobbiamo imparare a gestirli meglio
e questo richiederà tempo.

È un po' come la sfida
che abbiamo affrontato

da uomini primitivi con il fuoco.

È uno strumento, ma è uno strumento

che scotta se non si sta attenti.

I Big Data trasformeranno come viviamo,

come lavoriamo, come pensiamo.

Ci aiuteranno a gestire le nostre carriere

e ci condurranno ad un vita
di soddisfazione e speranza

di felicità e salute

ma in passato, molto spesso
guardando all'Information Technology

i nostri occhi hanno visto solo la T,

la tecnologia, l'hardware,

perché erano fisici.

Adesso dobbiamo riadattare
il nostro sguardo sulla I

sull'informazione,

che è meno appariscente

ma in qualche modo molto più importante.

L'umanità può finalmente
imparare dalle informazioni

che possono essere raccolte,

come parte della nostra
ricerca senza tempo

per capire il mondo
e il nostro posto in esso

questo è il motivo per cui
i Big Data sono una gran cosa.

(Applausi)