Datele masive sunt date mai bune

Mașinile care se conduc singure au fost doar începutul. Cum arată viitorul tehnologiei și proiectării realizate pe baza datelor masive? Într-o captivantă prezentare științifică, Kenneth Cukier se uită la ce urmează în învățarea automată, dar și în cunoașterea umană.

Plăcinta preferată a Americii. Care este?

Public: De mere!
Kenneth Cukier: De mere, sigur că da.

De unde știm?

Datorită datelor.

Ne uităm la vânzările supermarketurilor,
vânzările plăcintelor congelate de 30 cm.

Iar plăcinta de mere câștigă.
Detașat.

Majoritatea vânzărilor
sunt la plăcinta de mere.

Dar apoi supermarketurile au început
să vândă plăcinte mai mici, de 11 cm,

și dintr-o dată plăcinta de mere
a căzut pe locul 4 sau 5.

De ce? Ce s-a întâmplat?

Ia să ne gândim.

Când cumpărăm o plăcintă de 30 cm

toată familia trebuie să fie de acord,

iar plăcinta de mere
e a doua preferință a tuturor.

(Râsete)

Dar când iei o plăcintă
personală, de 11 cm,

poți s-o iei pe cea pe care ți-o dorești.

Poți să-ți alegi prima preferință.

Avem mai multe date.

Vedem ceva ce nu puteam vedea
când aveam cantități mai mici de date.

Dar ideea e că datele mai multe

nu ne permit doar să vedem mai mult,
mai mult din același lucru.

Datele mai multe ne permit
să vedem ceva nou.

Ne permit să vedem mai bine.

Ne permit să vedem altfel.

În cazul de faţă ne permit să vedem

care e plăcinta preferată a Americii:

nu cea de mere.

Probabil toată lumea a auzit
termenul „date masive”.

De fapt probabil vi s-a făcut acru
tot auzind „date masive”.

E adevărat că se face mult tam-tam
pe seama termenului și e mare păcat,

pentru că datele masive sunt
o unealtă foarte importantă

prin care va avansa societatea.

În trecut ne uitam la date puține

și ne întrebam cum am putea
încerca să înțelegem lumea,

iar acum avem mult mai multe,
mai multe decât era posibil înainte.

Constatăm că având o colecție mare de date
putem face lucruri

imposibil de realizat cu date puține.

Datele masive sunt importante și sunt noi.

Dacă ne gândim bine,

singurul mod în care planeta
va face față problemelor globale

— hrănirea populației,
furnizarea serviciilor medicale,

alimentarea cu energie, electricitate,

și cum facem să nu ne rumenim
cu încălzirea globală —

e prin folosirea eficientă a datelor.

Dar ce e nou în datele masive?
Care e marea scofală?

Pentru a răspunde, să ne amintim
cum arătau informațiile efectiv în trecut.

În 1908, pe insula Creta,

arheologii au descoperit un disc de lut.

L-au datat în 2000 î.Hr.,
deci e vechi de 4000 ani.

Discul are inscripții, dar nu știm
ce înseamnă, e un mister complet.

Dar ideea e că așa arătau informațiile
acum 4000 ani.

Așa proceda societatea pentru a păstra
și transmite informațiile.

Dar societatea nu a avansat așa de mult.

Încă mai păstrăm informații pe discuri,

dar acum putem stoca
mult mai multe informații decât oricând.

Căutarea e mai ușoară.
Copierea e mai ușoară.

Distribuirea e mai ușoară.
Prelucrarea e mai ușoară.

Și putem refolosi aceste informații

în moduri pe care nu ni le-am închipuit
când am colectat datele.

În această privință datele au trecut
de la a fi păstrate la a fi circulate,

de la ceva staționar și static

la ceva fluid și dinamic.

Ca să zic așa,
informațiile au o lichiditate.

Discul descoperit în Creta
și vechi de 4000 ani

e greu, nu stochează multe informații.

Iar acele informații nu pot fi schimbate.

Pe de altă parte, toate documentele

pe care le-a luat Edward Snowden de la
Agenția de Securitate Națională din SUA

încap pe un stick de memorie
de mărimea unei unghii,

și se pot transmite cu viteza luminii.

Mai multe date. Mai multe.

Un motiv pentru care azi lumea are
atâtea date e că adunăm lucruri

despre care dintotdeauna
am adunat informații.

Dar un alt motiv e că luăm lucruri
care au fost mereu informaționale,

dar n-au mai fost puse sub formă de date,
și le transformăm în date.

Gândiți-vă de exemplu
la problema localizării.

Să-l luăm pe Martin Luther.

Dacă voiam să știm, în anii 1500,
unde se află Martin Luther,

trebuia să-l urmăm peste tot,
poate cu pană și cerneală, ca să notăm.

Dar acum gândiți-vă cum e azi.

Știți că undeva, printr-o bază de date
a unui furnizor de telecomunicații,

e un tabel sau cel puțin o înscriere

care înregistrează informații despre noi,
unde am fost în fiecare moment.

Dacă aveți un telefon mobil cu GPS,
dar chiar dacă nu are GPS,

vă poate memora informațiile.

În această privință
localizarea a fost „datificată”.

Acum gândiți-vă de exemplu
la problema posturii,

cum stați așezați,

cum stați dv.

sau cum stați dv. sau dv.

Diferă în funcție de lungimea piciorului,
de spate și de conturul spatelui.

Dacă aș pune sensori, să zicem
100 de sensori, în scaunele tuturor,

aș putea crea un index
unic pentru fiecare.

Ca o amprentă, dar nu a degetului.

Și la ce am putea s-o folosim?

Unii cercetători din Tokio o folosesc
ca posibil sistem antifurt pentru mașini.

Ideea e că hoțul stă la volan,
încearcă să pornească,

dar mașina recunoaște
că la volan e un șofer neautorizat

și atunci de exemplu se oprește motorul
dacă nu tastezi o parolă în sistem

ca să-i spui:
„Hei, sunt autorizat să conduc.”

Grozav.

Ce-ar fi dacă toate mașinile din Europa
ar folosi această tehnologie?

Ce am putea face atunci?

Dacă punem datele cap la cap
poate reușim să identificăm

semnele distinctive care să prezică optim

că se va produce un accident de mașină

în următoarele cinci secunde.

Astfel s-ar datifica oboseala șoferului.

Iar utilitatea apare când mașina simte
că persoana cade în poziția aceea

și știe automat să pornească
o alarmă internă,

să vibreze volanul
sau să claxoneze înăuntru, să spună:

„Trezește-te, fii mai atent la drum!”

Astfel de lucruri putem face
datificând mai multe aspecte ale vieții.

Deci ce valoare au datele masive?

Ia gândiți-vă.
Avem mai multe informații.

Putem face lucruri pe care
nu le puteam face înainte.

Una din aplicațiile impresionante
ale acestei noțiuni

e în domeniul învățării automate.

Învățarea automată e o ramură
a inteligenței artificiale

care ea însăși e o ramură a informaticii.

Pe scurt, în loc să instruim
un calculator ce să facă,

bombardăm problema cu informații

și-i cerem calculatorului
să descopere singur.

Veți înțelege mai bine
dacă veți vedea începuturile.

În anii 1950, un informatician de la IBM
pe nume Arthur Samuel,

căruia îi plăcea să joace dame,

a scris un program pentru a putea juca
împotriva calculatorului.

A jucat. A câștigat.

A jucat. A câștigat.

A jucat. A câștigat.

Pentru că tot ce știa calculatorul
erau mutările permise.

Arthur Samuel mai știa altceva.

Arthur Samuel mai știa

și strategie.

Atunci a adăugat un mic sub-program
care să opereze în fundal.

Tot ce făcea era să calculeze
probabilitatea ca o configurație dată

să conducă la o tablă de joc
câștigătoare sau necâștigătoare

după fiecare mutare.

Joacă cu calculatorul. Câștigă.

Joacă cu calculatorul. Câștigă.

Joacă cu calculatorul. Câștigă.

Atunci Arthur Samuel
lasă calculatorul să joace singur.

Joacă singur, adună mai multe date.

Adună mai multe date,
îi crește precizia predicției.

Atunci Arthur Samuel se întoarce
la calculator și joacă cu el, și pierde.

Și joacă, și pierde.

Și joacă, și pierde.

Și Arthur Samuel a creat o mașină

care îl depășește la o sarcină
în care el a inițiat-o.

Această idee de învățare automată
se răspândește peste tot.

Cum credeți că avem mașini
care se conduc singure?

E societatea mai capabilă să pună
toate regulile rutiere într-un software?

Nu.

E mai ieftină memoria? Nu.

Sunt mai rapizi algoritmii? Nu.

Sunt mai bune procesoarele? Nu.

Toate astea contează,
dar nu sunt ele motivul.

Motivul e că am schimbat natura problemei.

Am trecut de la a-i spune deschis
și explicit calculatorului cum să conducă

la a-i spune:

„Iată o mulțime de date despre vehicul.
Descurcă-te.

Prinde-te singur că ăla e un semafor,
că semaforul e roșu și nu verde,

că asta înseamnă să te oprești
și nu să continui”.

Învățarea automată e la baza
multor lucruri pe care le facem online:

motoare de căutare,

algoritmul de personalizare de la Amazon,

traduceri computerizate,

sisteme de recunoaștere a vocii.

Cercetătorii s-au interesat recent
de problema biopsiilor,

a biopsiilor de cancer.

Au cerut calculatorului să identifice,

analizând datele
și procentajul de supraviețuire,

să determine dacă într-adevăr celulele

sunt canceroase sau nu.

Și bineînțeles, folosind date
și un algoritm de învățare automată,

mașina a reușit să identifice
cele 12 semne tipice care prezic optim

că biopsia unor celule canceroase
de sân e într-adevăr canceroasă.

Problema?

Literatura medicală cunoștea
numai nouă dintre ele.

Trei caracteristici nu erau
între cele care trebuiau verificate,

dar mașina le-a detectat.

Datele masive au și părți negative.

Ne vor îmbunătăți viața, dar sunt probleme
de care trebuie să fim conștienți.

Prima e ideea

că s-ar putea să fim
pedepsiți pentru predicții,

că poliția ar putea folosi datele masive
pentru propriile scopuri,

ca în filmul „Raport Special”.

Se numește „poliție preventivă”
sau „criminologie algoritmică”,

iar ideea e că folosind multe date,
de exemplu locul crimelor trecute,

știm unde să trimitem patrulele.

Are logică, dar desigur problema
e că nu se va limita la localizare,

ci va ajunge la nivelul individului.

De ce să nu folosim date
din foaia matricolă de liceu?

Poate ar trebui să ținem cont
dacă sunt șomeri, ce risc de credit au,

ce comportament au pe internet,
dacă se culcă noaptea târziu.

Fitbitul lor, când va decela biochimia,
va arăta că au gânduri agresive.

Poate vom avea algoritmi care să prezică
ce avem de gând să facem

și poate vom fi trași la răspundere
înainte de a face ceva.

Intimitatea era problema centrală
în epoca datelor puține.

În epoca datelor masive problema va fi

de a proteja liberul arbitru,

alegerea morală,

voința umană,

factorul uman.

Mai e o problemă.

Datele masive ne vor fura
locurile de muncă.

Datele masive și algoritmii
vor pune la încercare

munca funcționarilor
și a profesioniștilor în secolul XXI

așa cum automatizarea fabricilor
și linia de asamblare

au pus la încercare
muncitorimea în secolul XX.

Să luăm un laborant

care se uită cu microscopul
la o biopsie de cancer

să vadă dacă e canceroasă sau nu.

Omul a fost la facultate.

Cumpără proprietate.

Votează.

E acționar în societate.

Omul acesta și o întreagă armată
de profesioniști ca el

își vor găsi slujbele schimbate radical
sau chiar complet eliminate.

Ne place să credem că tehnologia
creează slujbe pentru o vreme

după o perioadă scurtă de dislocare.

E adevărat în sistemul de referință
cu care trăim: revoluția industrială.

Pentru că exact așa s-a întâmplat.

Dar uităm ceva în analiza aceasta:

anumite categorii de locuri de muncă
sunt eliminate total și nu se mai întorc.

Revoluția industrială
nu prea a fost bună dacă erai un cal.

Deci va trebui să avem grijă,

să luăm datele masive
și să le adaptăm la nevoile noastre,

la nevoile noastre foarte omenești.

Trebuie să fim stăpânul tehnologiei,
nu servitorul ei.

Era datelor masive abia acum începe

și, sincer, nu prea ne descurcăm
cu datele pe care le putem colecta acum.

Nu e doar o problemă pentru
Agenția de Securitate Națională.

Firmele adună o mulțime de date
și mai abuzează de ele.

Trebuie să avansăm, iar asta durează.

E cam ca problema pe care o avea
omul primitiv cu focul.

E o unealtă, dar e o unealtă care,
dacă nu suntem atenți, ne va arde.

Datele masive ne vor transforma
viața, munca și gândirea.

Ne vor ajuta să ne ocupăm de cariere
și să trăim o viață plină de satisfacții,

de speranță, de fericire și de sănătate.

Dar în trecut ne-am uitat adesea
la tehnologia informației

și ochii noștri au văzut doar T-ul,
tehnologia, hardware-ul,

pentru că asta era partea fizică.

Acum trebuie să ne aruncăm privirea pe I,
informația, care e mai puțin vizibilă,

dar în unele privințe mult mai importantă.

Omenirea poate în sfârșit învăța
din informațiile pe care le poate colecta,

în încercarea noastră dintotdeauna
de a înțelege lumea și locul nostru în ea.

De aceea datele masive
sunt mare scofală.

(Aplauze)