Veliki podaci su bolji podaci
-
0:01 - 0:05Koja je omiljena američka pita?
-
0:05 - 0:08Publika: Od jabuke.
Kenet Kukir: Od jabuke. Naravno. -
0:08 - 0:09Kako to znamo?
-
0:09 - 0:12Zbog podataka.
-
0:12 - 0:14Posmatramo rasprodaju u supermarketima,
-
0:14 - 0:18prodaju zamrznutih pita prečnika 30 cm,
-
0:18 - 0:19i jabuka pobeđuje.
-
0:19 - 0:21Bez konkurencije.
-
0:21 - 0:24Najveći deo prodaje je od jabuka.
-
0:27 - 0:30Zatim su supermarketi
počeli da prodaju manje pite, -
0:30 - 0:32pite prečnika 11 cm.
-
0:32 - 0:36Odjednom, jabuka pada
na četvrto ili peto mesto. -
0:36 - 0:39Zašto? Šta se dogodilo?
-
0:39 - 0:42Dobro. Razmislite o tome.
-
0:42 - 0:46Kada kupite pitu od 30cm,
-
0:46 - 0:48cela porodica mora da se složi,
-
0:48 - 0:52a pita od jabuka je svima
drugi omiljeni izbor. -
0:52 - 0:54(Smeh)
-
0:54 - 0:57Ali kad kupite zasebnu pitu od 11cm,
-
0:57 - 1:01možete da kupite onu koju vi hoćete.
-
1:01 - 1:05Možete da uzmete vaš prvi izbor.
-
1:05 - 1:07Imate više podataka.
-
1:07 - 1:08Možete da vidite nešto
-
1:08 - 1:13što niste mogli da vidite
kada ste ih imali u manjim količinama. -
1:13 - 1:16Dakle, poenta je da više podataka
-
1:16 - 1:18ne samo što nam omogućava da vidimo više,
-
1:18 - 1:20više o tome što posmatramo.
-
1:20 - 1:23Više podataka nam omogućava
da vidimo novo. -
1:23 - 1:27Omogućava nam da vidimo bolje.
-
1:27 - 1:30Omogućava nam da vidimo različito.
-
1:30 - 1:33U ovom slučaju, omogućava nam da vidimo
-
1:33 - 1:36koja je omiljena američka pita:
-
1:36 - 1:39nije od jabuka.
-
1:39 - 1:43Svi ste verovatno čuli izraz
"veliki podaci". -
1:43 - 1:44Verovatno vam je i loše
na pomenu izraza -
1:44 - 1:46"veliki podaci".
-
1:46 - 1:49Tačno je da se podigla velika buka
oko ovog izraza, -
1:49 - 1:52što je loše.
-
1:52 - 1:55Zato što su veliki podaci veoma važan alat
-
1:55 - 1:59pomoću kog će društvo da napreduje.
-
1:59 - 2:02U prošlosti smo posmatrali "male podatke"
-
2:02 - 2:04i razmišljali o tome šta bi značilo
-
2:04 - 2:05da pokušamo da razumemo svet,
-
2:05 - 2:07a sada ih imamo mnogo više,
-
2:07 - 2:10više nego što smo ikada imali.
-
2:10 - 2:13Shvatili smo da kada imamo
mnogo podataka, -
2:13 - 2:15u principu možemo uraditi stvari
-
2:15 - 2:18koje nismo mogli sa manje podataka.
-
2:18 - 2:21Veliki podaci su bitni,
i to je nešto novo, -
2:21 - 2:22kada razmislimo o tome,
-
2:22 - 2:25jedini način na koji će se planeta suočiti
-
2:25 - 2:26sa svojim globalnim izazovima -
-
2:26 - 2:30nahraniti ljude, obezbediti im
medicinsku negu, -
2:30 - 2:32pružiti im energiju, struju,
-
2:32 - 2:34da se pobrine da ne izgore
-
2:34 - 2:36zbog globalnog zagrevanja -
-
2:36 - 2:40jeste zbog efikasne upotrebe podataka.
-
2:40 - 2:44Šta je novo u vezi sa velikim podacima?
U čemu je velika caka? -
2:44 - 2:46Da bismo odgovorili na to pitanje,
-
2:46 - 2:48razmislimo kako su informacije izgledale,
-
2:48 - 2:52fizički izgledale u prošlosti.
-
2:52 - 2:551908. godine na Kritu,
-
2:55 - 3:00arheolozi su pronašli glineni disk.
-
3:00 - 3:04Smestili su ga oko 2000. g. pre Hrista,
dakle star je 4000 godina. -
3:04 - 3:06Na tom disku postoji zapis,
-
3:06 - 3:07ali ne znamo šta on znači.
-
3:07 - 3:09Potpuna je zagonetka,
ali poenta je u tome -
3:09 - 3:11da su tako informacije izgledale
-
3:11 - 3:13pre 4000 godina.
-
3:13 - 3:16Tako je društvo čuvalo
-
3:16 - 3:19i prenosilo informacije.
-
3:19 - 3:23Društvo nije baš toliko napredovalo.
-
3:23 - 3:27I dalje čuvamo informacije na diskovima,
-
3:27 - 3:30ali danas možemo da čuvamo mnogo više,
-
3:30 - 3:31više nego ikada.
-
3:31 - 3:34Pretraživanje je lakše.
Kopiranje je lakše. -
3:34 - 3:38Deljenje je lakše. Obrada je lakša.
-
3:38 - 3:41Možemo da koristimo te informacije iznova,
-
3:41 - 3:43na načine na koje nismo ni zamišljali
-
3:43 - 3:46kada smo počeli da sakupljamo podatke.
-
3:46 - 3:47U tom smislu,
-
3:47 - 3:51podaci su prešli iz skladištenja u protok.
-
3:51 - 3:55Od nečega što je stacionarno i statično
-
3:55 - 3:59do nečega što je fluidno i dinamično.
-
3:59 - 4:03Ako ćemo tako,
informacija je kao tečnost. -
4:03 - 4:06Disk, koji je otkriven u blizini Krita,
-
4:06 - 4:10pre 4000 godina, je težak.
-
4:10 - 4:12Ne sadrži puno informacija,
-
4:12 - 4:15i te informacije su nepromenljive.
-
4:15 - 4:19Nasuprot tome, svi fajlovi
-
4:19 - 4:21koje je Edvard Snouden uzeo
-
4:21 - 4:24od Državne bezbednosne agencije u SAD-u
-
4:24 - 4:26staju na memorijski uređaj
-
4:26 - 4:29veličine nokta,
-
4:29 - 4:34i mogu se razmenjivati brzinom svetlosti.
-
4:34 - 4:39Još podataka. Više.
-
4:39 - 4:41Jedan razlog zašto danas
imamo toliko podataka -
4:41 - 4:43je što sakupljamo stvari
-
4:43 - 4:46o kojima smo uvek skupljali informacije,
-
4:46 - 4:49ali drugi razlog je
zato što uzimamo stvari -
4:49 - 4:51koje su uvek bile informativne
-
4:51 - 4:54ali nikad nisu prebačene u oblik podataka
-
4:54 - 4:56i stavljamo ih u podatke.
-
4:56 - 5:00Zamislite, npr. pitanje lokacije.
-
5:00 - 5:02Uzmimo Martina Lutera za primer.
-
5:02 - 5:03Da smo 1500. god. želeli da znamo
-
5:03 - 5:06gde je Martin Luter,
-
5:06 - 5:08morali bismo da ga pratimo
u svakom trenutku, -
5:08 - 5:10možda sa perom i mastilom,
-
5:10 - 5:12i da to beležimo,
-
5:12 - 5:14ali razmislite kako to izgleda danas.
-
5:14 - 5:16Znate da negde,
-
5:16 - 5:19verovatno u bazi podataka
telefonskog operatera, -
5:19 - 5:22postoji tabela ili bar podatak u bazi
-
5:22 - 5:24koji beleži informaciju
-
5:24 - 5:26o tome gde ste bili u svakom momentu.
-
5:26 - 5:27Ako imate mobilni telefon,
-
5:27 - 5:30koji ima GPS, čak i ako nema GPS,
-
5:30 - 5:33on čuva informacije.
-
5:33 - 5:37U ovom smislu,
lokacija je postala "podatkovana". -
5:37 - 5:41Razmislimo, npr. o pitanju držanja,
-
5:41 - 5:43načinu na koji upravo sedite,
-
5:43 - 5:45načinu na koji vi sedite,
-
5:45 - 5:47načinu na koji vi sedite, i vi.
-
5:47 - 5:49Svi se razlikuju, i zavise od dužine nogu
-
5:49 - 5:51i leđa i od konture leđa,
-
5:51 - 5:54i, ako bih postavio senzore,
možda 100 senzora -
5:54 - 5:56u sve vaše stolice,
-
5:56 - 5:59našao bih indeks koji je
jedinstven za svakoga, -
5:59 - 6:03kao otisak prsta, ali nije od prsta.
-
6:04 - 6:07Međutim, šta bismo mogli sa tim?
-
6:07 - 6:09Istraživači u Tokiju ga koriste
-
6:09 - 6:14kao potencijalni alarmni uređaj u kolima.
-
6:14 - 6:16Ideja je da ako za volan sedne lopov,
-
6:16 - 6:19pokuša da pobegne,
ali automobil prepozna -
6:19 - 6:21da za volanom nije odobreni vozač,
-
6:21 - 6:23možda zaustavi motor, osim ako vozač
-
6:23 - 6:26ne unese šifru u kontrolnu tablu
-
6:26 - 6:31da kaže: "Hej, imam dozvolu da vozim".
Odlično! -
6:31 - 6:33Šta ako bi svaki automobil u Evropi
-
6:33 - 6:35imao ovu tehnologiju?
-
6:35 - 6:37Šta bismo mogli tada?
-
6:38 - 6:40Možda, kada bismo nagomilali podatke,
-
6:40 - 6:44mogli bismo da uočimo znakove upozorenja
-
6:44 - 6:46koji najbolje predviđaju
-
6:46 - 6:52da će se dogoditi automobilska nesreća
u narednih pet sekundi. -
6:52 - 6:55Tada bismo u obliku podataka beležili
-
6:55 - 6:57zamor vozača,
-
6:57 - 7:00i svrha bi bila da kada kola osete
-
7:00 - 7:04da je vozač upao u određeni položaj,
-
7:04 - 7:07automatski kaže:
"Hej, pusti interni alarm." -
7:07 - 7:09kojim bi zavibrirao volan,
zatrubio iznutra i rekao -
7:09 - 7:11"Hej, budi se!
-
7:11 - 7:13obrati više pažnje na put."
-
7:13 - 7:15To su neke stvari koje možemo da uradimo
-
7:15 - 7:18kada prebacimo u podatke
više aspekata naših života. -
7:18 - 7:20Koja je vrednost velikih podataka?
-
7:21 - 7:23Pa, razmislite o tome.
-
7:23 - 7:25Imate više informacija.
-
7:25 - 7:28Možete da uradite
ono što niste mogli ranije. -
7:29 - 7:30Jedna od najimpresivnijih oblasti
-
7:30 - 7:32u kojoj ovaj koncept igra ulogu
-
7:32 - 7:35jeste mašinsko učenje.
-
7:36 - 7:39Mašinsko učenje je
grana veštačke inteligencije, -
7:39 - 7:42koja je grana računarskih nauka.
-
7:42 - 7:44Glavna ideja je da umesto
-
7:44 - 7:46da kažemo računaru šta da radi,
-
7:46 - 7:48jednostavno ubacimo podatke u problem
-
7:48 - 7:51i kažemo računaru da ga reši sam.
-
7:51 - 7:53Pomoći će vam da ga razumete
-
7:53 - 7:56gledajući u njegove korene.
-
7:57 - 7:59U 1950-im, informatičar u IBM-u,
-
7:59 - 8:03Artur Semjuel, voleo je da igra "Damu",
-
8:03 - 8:05te je napisao kompjuterski program
-
8:05 - 8:07kako bi igrao protiv računara.
-
8:07 - 8:09Igrao je. Pobedio je.
-
8:10 - 8:12Igrao je. Pobedio je.
-
8:12 - 8:14Igrao, pobedio.
-
8:15 - 8:19Jer je računar znao dozvoljene poteze.
-
8:19 - 8:21Artur Semjuel je znao nešto drugo.
-
8:21 - 8:25Artur Semjuel je poznavao strategiju.
-
8:26 - 8:28Napisao je mali potprogram, pored ovog,
-
8:28 - 8:30koji je radio u pozadini,
-
8:30 - 8:32i samo računao verovatnoću
-
8:32 - 8:35da data situacija na tabli pre vodi
-
8:35 - 8:37ka pobedničkoj tabli nego ka gubitničkoj,
-
8:37 - 8:39nakon svakog poteza.
-
8:40 - 8:43Igra protiv računara. Pobeđuje.
-
8:43 - 8:44Igra protiv računara.
-
8:44 - 8:45Pobeđuje.
-
8:45 - 8:49Igra protiv računara. Pobeđuje.
-
8:49 - 8:51Zatim je Artur Semjuel pustio računar
-
8:51 - 8:54da igra protiv sebe.
-
8:54 - 8:57Igrao je. Sakupljao je više podataka.
-
8:57 - 9:02Sakupljajući više podataka,
povećavao je tačnost svog predviđanja. -
9:02 - 9:04Zatim se Artur Semjuel vratio do računara.
-
9:04 - 9:06Igra, i gubi.
-
9:06 - 9:08Igra, i gubi.
-
9:08 - 9:09Igra, i gubi.
-
9:10 - 9:13I tako je Artur Semjuel stvorio mašinu
-
9:13 - 9:18koja prevazilazi njegove mogućnosti
u igri kojoj ju je naučio. -
9:19 - 9:21Ova ideja mašinskog učenja
-
9:21 - 9:23se širi na sve strane.
-
9:25 - 9:29Šta mislite,
odakle nam samoupravljajuća vozila? -
9:29 - 9:31Da li napredujemo kao društvo
-
9:31 - 9:34ubacivanjem svih pravila vožnje u softver?
-
9:34 - 9:36Ne. Memorija je jeftinija. Ne.
-
9:36 - 9:40Algoritmi su brži. Ne.
Procesori su brži. Ne. -
9:40 - 9:43Sve to je bitno, ali ne zbog toga.
-
9:43 - 9:46Nego zato što smo promenili
koren problema. -
9:46 - 9:48Promenili smo prirodu problema
-
9:48 - 9:50od one u kojoj smo direktno
-
9:50 - 9:52objasnili računaru kako da vozi,
-
9:53 - 9:54do one u kojoj kažemo:
-
9:54 - 9:56"Evo ti mnogo podataka u vezi sa vozilom.
-
9:56 - 9:58Shvati sam.
-
9:58 - 10:00Shvati da je ovo svetlo na semaforu.
-
10:00 - 10:01Da je crveno, a ne zeleno.
-
10:01 - 10:03Da to znači da moraš da staneš,
-
10:03 - 10:05a ne da nastaviš."
-
10:06 - 10:08Mašinsko učenje je u osnovi
-
10:08 - 10:10mnogih stvari na mreži.
-
10:10 - 10:12Pretraživači,
-
10:12 - 10:14Amazonov personalizovani algoritam,
-
10:16 - 10:17računarsko prevođenje,
-
10:18 - 10:21sistemi za prepoznavanje glasa.
-
10:22 - 10:25Istraživači su skoro posmatrali
-
10:25 - 10:27problem biopsije.
-
10:27 - 10:30Biopsije raka.
-
10:31 - 10:33Pitali su računar da ustanovi
-
10:33 - 10:36posmatrajući podatke
i stopu preživljavanja, -
10:36 - 10:40da odluči da li su ćelije zapravo
-
10:40 - 10:43kancerogene ili ne.
-
10:43 - 10:45Zasigurno, kada ubacite podatke,
-
10:45 - 10:47pomoću algoritma mašinskog učenja,
-
10:47 - 10:49mašina je postala
sposobna da prepozna -
10:49 - 10:5112 znakova koji najbolje predviđaju
-
10:51 - 10:55da je biopsija raka ćelija dojke
-
10:55 - 10:57zaista zahvaćena rakom.
-
10:57 - 10:59Problem?
-
10:59 - 11:03Medicinska literatura je poznavala
samo devet od njih. -
11:03 - 11:05Tri od tih simptoma su bili oni
-
11:05 - 11:07koje ljudi nisu trebali da traže,
-
11:07 - 11:10ali ih je mašina uočila.
-
11:13 - 11:18Ali, postoji loša strana velikih podataka.
-
11:19 - 11:20Unaprediće naše živote,
-
11:20 - 11:23ali postoje problemi
kojih moramo biti svesni. -
11:24 - 11:26Prvi od njih je ideja
-
11:26 - 11:29da možemo biti kažnjeni za predviđanja,
-
11:29 - 11:33da policija može koristiti velike podatke
u svoje svrhe, -
11:33 - 11:35nešto poput fima "Suvišni izveštaj".
-
11:35 - 11:38Ovaj izraz zovemo
sposobnost predviđanja -
11:38 - 11:40ili algoritamska kriminologija,
-
11:40 - 11:42i ideja je da ako uzmemo mnogo podataka
-
11:42 - 11:44npr. mesta prošlih zločina,
-
11:44 - 11:46znamo gde da pošaljemo patrole.
-
11:47 - 11:49To ima smisla, ali problem je, naravno,
-
11:49 - 11:53u tome što se neće završiti samo
na podacima o lokaciji. -
11:53 - 11:56Ići će do ličnog nivoa.
-
11:56 - 11:58Zašto ne koristimo podatke
-
11:58 - 12:00o nečijim ocenama iz srednje škole?
-
12:00 - 12:02Možda da iskoristimo činjenice
-
12:02 - 12:04o zaposlenosti, o kreditnom stanju,
-
12:04 - 12:06o ponašanju na internetu,
-
12:06 - 12:07da li su budni noću.
-
12:07 - 12:11Ako njihov Fitbit može da prepozna
njihove biohemijske parametre, -
12:11 - 12:15pokazaće kada imaju agresivne misli.
-
12:15 - 12:17Možemo imati algoritme
-
12:17 - 12:19koji bi mogli predviđati
šta ćemo uraditi, -
12:19 - 12:21i mogu nas smatrati odgovornim
-
12:21 - 12:23pre nego što delamo.
-
12:23 - 12:25Privatnost je bila centralni izazov
-
12:25 - 12:27u eri malih podataka.
-
12:27 - 12:30U danima velikih podataka,
-
12:30 - 12:34izazov će biti zaštita slobodne volje,
-
12:34 - 12:38moralnih izbora, ljudske volje,
-
12:38 - 12:40ljudske odlučnosti.
-
12:43 - 12:45Postoji još jedan problem.
-
12:45 - 12:48Veliki podaci će nam ukrasti poslove.
-
12:48 - 12:52Veliki podaci i algoritmi će izazvati
-
12:52 - 12:55kancelarijske, visoko obrazovane radnike
-
12:55 - 12:57dvadeset prvog veka
-
12:57 - 12:59slično kao što su automatizacija
-
12:59 - 13:01i pokretna traka
-
13:01 - 13:04izazvale radničku klasu u 20. veku.
-
13:04 - 13:06Setimo se laboratorijskog tehničara,
-
13:06 - 13:08koji pod mikroskopom posmatra
-
13:08 - 13:09biopsiju raka
-
13:09 - 13:12da bi zaključio da li je zahvaćena rakom.
-
13:12 - 13:14Ova osoba je završila fakultet.
-
13:14 - 13:15Ona kupuje imovinu.
-
13:15 - 13:17On ili ona glasa.
-
13:17 - 13:20On ili ona je član društva.
-
13:20 - 13:22Posao ove osobe,
-
13:22 - 13:24i celog niza stručnjaka
-
13:24 - 13:26kao što je ova osoba,
-
13:26 - 13:29shvatiće da se njihov posao znatno menja
-
13:29 - 13:31ili da će potpuno nestati.
-
13:31 - 13:33Volimo da mislimo
-
13:33 - 13:36da će vremenom tehnologija praviti poslove
-
13:36 - 13:39iza kratkog, privremenog doba dislokacije,
-
13:39 - 13:41što je i tačno za taj referentni okvir
-
13:41 - 13:43u kom svi živimo, industrijsku revoluciju,
-
13:43 - 13:46jer tako se tačno i dogodilo.
-
13:46 - 13:48Međutim, u toj analizi zaboravljamo
-
13:48 - 13:50da postoje kategorije poslova
-
13:50 - 13:53koje će jednostavno nestati
i neće se vratiti. -
13:53 - 13:55Industrijska revolucija nije bila dobra
-
13:55 - 13:57ako ste bili konj.
-
13:59 - 14:01Dakle, moramo biti pažljivi,
-
14:01 - 14:05i moramo velike podatke
prilagoditi našim potrebama, -
14:05 - 14:08našim ljudskim potrebama.
-
14:08 - 14:10Moramo biti gospodari tehnologije,
-
14:10 - 14:12a ne njene sluge.
-
14:12 - 14:15Na samom smo početku
doba velikih podataka, -
14:15 - 14:18i iskreno, za sada ne rukujemo dobro
-
14:18 - 14:22podacima koje sada možemo da prikupimo.
-
14:22 - 14:25To nije problem samo
Državne bezbednosne agencije. -
14:25 - 14:28Firme sakupljaju dosta podataka,
i takođe ih ne koriste dobro, -
14:28 - 14:32moramo ovladati time,
a za to je potrebno vreme. -
14:32 - 14:34Podseća na situaciju
-
14:34 - 14:36kada se primitivni čovek suočio sa vatrom.
-
14:36 - 14:38To je alat, ali alat koji će nas opeći
-
14:38 - 14:41ako ne budemo pažljivi.
-
14:44 - 14:47Veliki podaci će promeniti
naš način života, -
14:47 - 14:50način rada i razmišljanja.
-
14:50 - 14:52Pomoći će nam
da organizujemo svoje karijere -
14:52 - 14:55i da živimo zadovoljno i sa nadom,
-
14:55 - 14:58u sreći i zdravlju.
-
14:58 - 15:02Ranije smo često
od informacionih tehnologija -
15:02 - 15:04gledali samo u T,
-
15:04 - 15:06u tehnologiju, u hardver,
-
15:06 - 15:08zato što je to ono što je opipljivo.
-
15:08 - 15:11Sada moramo da bacimo oko na I,
-
15:11 - 15:12na informacije,
-
15:12 - 15:14na ono manje uočljivo,
-
15:14 - 15:18ali na određeni način mnogo bitnije.
-
15:18 - 15:21Čovečanstvo konačno uči iz informacija
-
15:21 - 15:24koje može da prikupi,
-
15:24 - 15:26kao deo našeg vanvremenskog zadatka
-
15:26 - 15:29da shvatimo svet i naše mesto u njemu
-
15:29 - 15:31i zato veliki podaci jesu velika stvar.
-
15:34 - 15:37(Aplauz)
- Title:
- Veliki podaci su bolji podaci
- Speaker:
- Kenet Kukir (Kenneth Cukier)
- Description:
-
Samoupravljajuća vozila su bila samo početak. Šta je budućnost tehnologije i dizajna potpomognutih velikim podacima? Kroz uzbudljiv naučni govor, Kenet Kukir razmatra šta je sledeće za mašinsko učenje - i ljudsko saznanje.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 15:51
Ivana Korom approved Serbian subtitles for Big data is better data | ||
Ivana Korom edited Serbian subtitles for Big data is better data | ||
Ivana Korom edited Serbian subtitles for Big data is better data | ||
Ivana Korom edited Serbian subtitles for Big data is better data | ||
Mile Živković accepted Serbian subtitles for Big data is better data | ||
Mile Živković edited Serbian subtitles for Big data is better data | ||
Mile Živković edited Serbian subtitles for Big data is better data | ||
Milana Stojadinov edited Serbian subtitles for Big data is better data |