Big data är bättre data

Självstyrande bilar var bara början. Hur ser framtiden ut för teknik och design som styrs av big data? I en spännande vetenskapsföreläsning tittar Kenneth Cukier på vad som är på gång inom maskininlärning - och mänsklig kunskap.

Vilken är USA:s favoritpaj?

Publiken: Äpple.
Kenneth Cukier: Äpple såklart.

Hur vet vi det?

Tack vare data.

Om man ser på stormarknadsförsäljning.

Om man ser på säljsiffror
för 30 centimeters frysta pajer

så vinner äpple utan konkurrens.

Majoriteten av försäljningen är äpple.

Men sen började stormarknader
sälja mindre, 11 cm:s pajer,

och plötsligt föll äpple

till fjärde eller femte plats.

Varför? Vad hände?

OK, fundera på det.

När man köper en 30 centimeters paj

så behöver hela familjen samsas,

och äpple är då allas andrahandsval.

(Skratt)

Men när man köper
en enskild 11 centimeters paj

så kan man köpa den man vill ha.

Du kan få ditt förstahandsval.

Vi har mer data

Vi kan se något som vi inte kunde se

när vi hade mindre mängder av det.

Poängen här är att mer data

inte bara låter oss se mera,

mer av samma sak vi tittar på.

Mer data låter oss att se nytt.

Det låter oss att se bättre.

Det låter oss att se annorlunda.

I detta fall, så låter det oss att se

vad USA:s favoritpaj är:

inte äpple.

Ni har troligen hört termen big data.

Ni är troligen trötta på
att höra termen big data.

Det är sant att termen har blivit trendig

och det är väldigt synd,

för big data är
ett väldigt viktigt verktyg

för samhällsutvecklingen.

Tidigare har vi tittat på mindre data

och funderat på vad den betyder
för att försöka förstå världen,

och nu har vi mycket mer av det,

mer än vi någonsin hade innan.

Vad vi upptäcker när vi har

en stor mängd med data,
är att vi kan i grunden göra saker

som inte gick när vi hade mindre mängder.

Big data är viktigt
och big data är nytt,

och när du tänker på det

är det enda sättet som planeten
kommer hantera

sina globala utmaningar på -

att ge människor mat,
förse dem med sjukvård,

förse dem med energi, elektricitet,

se till att dom inte blir knaperstekta
på grund av global uppvärmning -

är med hjälp av effektiv dataanvändning.

Så vad är nytt med big data?

Vad är den stora grejen?

För att besvara frågan, fundera på

hur information såg ut fysiskt,

hur den såg ut förr i tiden.

1908, på ön Kreta

hittade arkeologer en lerskiva.

Dom daterade skivan till 2 000 år f.Kr.,
så den är 4 000 år gammal.

Det finns inskriptioner på skivan,
men vi vet inte vad de betyder.

Det är ett mysterium, men poängen är

att så här brukade information se ut

för 4 000 år sedan.

Detta är hur samhället lagrade

och överförde information.

Samhället har inte utvecklats så mycket.

Vi lagrar fortfarande
information på skivor,

men nu kan vi lagra
väldigt mycket mera information,

mer än någonsin tidigare.

Det är lättare att söka och kopiera den.

Det är lättare att dela och bearbeta den.

Och vi kan återanvända informationen

inom områden vi inte ens drömt om

när vi först samlade informationen.

I detta avseende så har data gått

från ett lager till ett flöde,

från att vara stationärt och statiskt

till att vara flytande och dynamiskt.

Man kan säga att information
har blivit mer flytande.

Skivan som upptäcktes nära Kreta,

som är 4 000 år gammal, är tung,

den lagrar inte så mycket information,

och den informationen är oföränderlig.

Som kontrast kunde alla filerna

som Edward Snowden tog

från National Security Agency i USA

få plats på en minnessticka

lika stor som en fingernagel

och den kan delas med ljusets hastighet.

Mer data, mer.

En orsak till att vi har
så mycket data i världen i dag

är att vi samlar på saker

som vi alltid samlat information om

men en annan anledning är att vi tar saker

som alltid haft mycket information

men som aldrig har gjorts i ett dataformat

och vi lägger till det bland våra data.

Tänk till exempel på frågan om plats.

Ta till exempel Martin Luther.

Om vi på 1500-talet ville veta

var Martin Luther var,

så behöver vi följa efter honom hela tiden

kanske med en fjäderpenna
och ett bläckhorn, för att skriva ner det,

men tänk nu på hur det ser ut idag.

Du vet att någonstans,

antagligen i en teleoperatörs databas,

finns det ett kalkylblad,
eller minst en databaspost

som sparar din information

om var du varit hela tiden.

Om du har en mobiltelefon

och mobiltelefonen har GPS,
men även om den inte har GPS,

så kan den spara din information.

I detta avseende har plats
blivit digitaliserat.

Tänk till exempel på frågan
om kroppshållning,

det sätt som ni alla sitter på just nu,

hur du sitter,

hur du sitter, hur du sitter.

Alla sätt är olika
och de beror på din benlängd

och din rygg och din ryggs konturer,

och om jag skulle sätta sensorer,
kanske 100 sensorer

på alla era stolar just nu,

så skulle jag kunna skapa ett index
som är ganska unikt för dig,

ungefär som ett fingeravtryck,
men som inte är ditt finger.

Så vad kan vi göra med detta?

Forskare i Tokyo använder det

som ett potentiellt stöldskydd till bilar.

Idén är att biltjuven sitter bakom ratten,

försöker köra iväg, men bilen känner igen

att en icke-godkänd förare
sitter bakom ratten,

kanske stannar motorn, fram tills du

skriver in ett lösenord
på instrumentbrädan

för att säga: "Hej,
jag har rätt att köra".

Bra.

Tänk om varje bil i Europa

hade den här tekniken?

Vad skulle vi kunna göra då?

Om vi kombinerade all data

kanske vi kunde
identifiera varningstecknen

som bäst förutsäger att en bilolycka

kommer att ske inom fem sekunder.

Och vad vi då har fastställt
är förartrötthet,

och tjänsten skulle handla om
att bilen känner av

att personen tappar sin hållning,

automatiskt vet och ställer in
ett internt alarm

som får ratten att vibrera
och tutar inuti bilen för att säga,

"Hallå, vakna upp,
fokusera mera på vägen."

Detta är den typ av saker vi kan göra

när vi digitaliserar
fler delar av våra liv.

Så vad är värdet av big data?

Tja, tänk på det.

Vi har mer information.

Vi kan göra saker som inte gick tidigare.

Ett av det mest imponerande ställen
där detta begrepp vinner mark

är inom området för maskininlärning.

Maskininlärning är den gren
av artificiell intelligens,

som i sig är en gren av datavetenskap.

Det går ut på

att istället för att instruera en dator
om vad den ska göra,

ger vi den helt enkelt data om ett problem

och säger åt datorn
att lista ut lösningen själv.

Det hjälper er att förstå det

genom att se källan.

En datavetare på IBM på 50-talet

som hette Arthur Samuel
gillade att spela dam,

så han skrev ett dataprogram

så han kunde spela mot datorn.

Han spelade. Han vann.

Han spelade. Han vann.

Han spelade. Han vann,

eftersom datorn visste bara

vad ett giltigt drag var.

Arthur Samuel kunde något annat.

Arthur Samuel kunde använda strategi.

Så han skrev ett mindre underprogram

som arbetade i bakgrunden,
och allt det gjorde var

att poängsätta sannolikheten

att en viss brädkonfiguration
sannolikt skulle leda

till ett vinnande bräde
jämfört med ett förlorande bräde

efter varje drag.

Han spelade mot datorn. Han vinner.

Han spelade mot datorn. Han vinner.

Han spelade mot datorn. Han vinner.

Sedan lämnar Arthur Samuel datorn

så den spelar mot sig själv.

Den spelar själv. Den samlar mer data.

Den samlar mer data.

Den ökar noggrannheten
i dess förutsägelser.

Sedan går Arthur Samuel
tillbaka till datorn

och spelar själv mot den,
och han förlorar.

och han spelar, och han förlorar,

och han spelar, och han förlorar,

och Arthur Samuel har skapat en maskin

som överträffar hans förmåga
i en uppgift som han lärde den.

Och maskininlärning

kommer att finnas överallt.

Hur tror du att vi har fått
självkörande bilar?

Är vi ett bättre samhälle

för att vi lägger in
alla trafikregler i mjukvara? Nej.

Minne är billigt. Nej.

Algoritmerna är snabbare. Nej.

Processorerna är bättre. Nej.

Dom sakerna gör skillnad,
men det är inte därför.

Det är för att vi ändrat problemets natur.

Vi ändrade problemets art
från en där vi försökt

att öppet och tydligt förklara
för datorn hur man kör

till en där vi säger,

"Här är en massa data om fordonet.

Du kan räkna ut det.

Räkna ut att det finns ett trafikljus,

att trafikljuset är rött och inte grönt,

att det betyder att du måste stanna

och inte köra framåt."

Maskininlärning är grunden

till många saker vi gör online:

sökmotorer,

Amazons algoritm för personalisering,

datoröversättning,

röstigenkänningssystem.

Forskare har nyligen kollat på

frågan om biopsier,

cancerbiopsier

och dom bad en dator att identifiera,

genom att se på data
och överlevnadsstatistik

för att bedöma om celler är

drabbade av cancer eller inte,

och visst, när man kastar data på den

genom en algoritm för maskininlärning

så kunde datorn identifiera

de 12 varningssignalerna
som bäst förutspådde

att biopsin av bröstcancerceller

verkligen är cancer.

Problemet var att medicinsk facklitteratur

bara kände till nio av dom.

Tre av egenskaperna var sådana

som folk inte behövde leta efter,

men som datorn upptäckte.

Men det finns också
mörka sidor av big data

Den förbättrar våra liv,
men det finns problem

som vi måste vara medvetna om,

och den första är tanken

att vi kan straffas för förutsägelser,

att polisen får använda
big data för sina syften,

lite som i "Minority Report."

Det finns en term som kallas
för prediktivt polisarbete,

eller algoritmisk kriminologi,

och idén är att om vi tar en massa data,

till exempel om
var tidigare brott har skett,

vet vi vart vi ska skicka patruller.

Det är vettigt, men problemet
är naturligtvis

att det inte bara kommer
att stanna vid platsuppgifter,

det kommer att gå ner till individnivå.

Varför använder vi inte uppgifter
om personens gymnasiebetyg?

Vi kanske ska använda det faktum

att de är arbetslösa eller inte,
deras kreditvärdering,

deras beteende på internet,

huruvida de är uppe sent på natten.

Deras fitnessklocka,
när den kan kontrollera biokemin,

kommer visa att de har
aggressiva tankar.

Vi kan ha algoritmer
som sannolikt kommer förutse

vad vi kommer att göra,

och vi kan hållas ansvariga
innan vi faktiskt har agerat.

Sekretess var den centrala utmaningen

i eran av små datamängder.

I big data-åldern är utmaningen

att värna om den fria viljan,

moraliskt val, mänsklig vilja,

mänsklig inverkan.

Det finns ett problem till:

Big data kommer att stjäla våra jobb.

Big data och algoritmer kommer att utmana

tjänstemäns yrkesmässiga kunskapsarbete

på 2000-talet

på samma sätt som fabriksautomation

och monteringslinjen

utmanade industriarbetaren på 1900-talet.

Tänk på labbteknikern

som tittar genom ett mikroskop

på en cancerbiopsi

och bestämmer om det är cancer eller inte.

Personen har gått på universitetet.

Personen köper egendom.

Han eller hon röstar.

Han eller hon är nu en samhällsaktör.

Och den personens jobb,

samt en hel flotta

av proffs som den personen,

kommer att finna att deras jobb
har förändrats radikalt

eller faktiskt helt elimineras.

Vi vill gärna tro

att tekniken skapar arbetstillfällen
under en tid efter

en kort, tillfällig period av störning,

och det är sant för den referensram

som vi alla lever i,
den industriella revolutionen,

för det är precis vad som hände.

Men vi glömmer något i den analysen:

Det finns vissa kategorier av jobb

som helt enkelt försvinner
och aldrig kommer tillbaka.

Den industriella revolutionen

var inte särskilt bra för hästar.

Så vi måste vara försiktiga

och ta big data och anpassa den
efter våra behov,

våra väldigt mänskliga behov.

Vi måste vara herre över denna teknik,

inte dess tjänare.

Vi är bara i början av big data-eran,

och ärligt talat så är vi inte så bra

på att hantera all den data
som vi nu samlar in.

Det är inte bara ett problem
för National Security Agency.

Företagen samlar massor av data,
och de missbrukar den också,

och vi måste bli bättre på detta,
och det kommer att ta tid.

Det är lite som utmaningen
när den primitiva människan mötte eld.

Detta är ett verktyg, men ett verktyg

som om det inte hanteras försiktigt
kommer att skada oss.

Big data kommer omvandla hur vi lever,

hur vi arbetar och hur vi tänker.

Det kommer hjälpa oss hantera våra karriär

och leva liv som innehåller
tillfredsställelse och hopp,

lycka och hälsa,

men i det förflutna har vi ofta
sett på informationsteknik

och vi har bara sett T:et,

tekniken, hårdvaran,

eftersom det är vad som fanns fysiskt

Nu måste vi rikta blicken mot I:et,

informationen,

vilken är mindre uppenbart,

men på vissa sätt mycket viktigare.

Mänskligheten kan äntligen
lära sig saker från informationen

som den samlar in,

som en del i ett tidlöst uppdrag

att förstå världen och vår plats i den,

och det är därför big data är en stor sak.

(Applåder)