Big data (dữ liệu lớn) là dữ liệu tốt hơn

Ô tô tự lái mới chỉ là bắt đầu. Tương lai của Big data (dữ liệu lớn) sẽ ra sao dưới sự ảnh hưởng của công nghệ và thiết kế? Trong bài nói chuyện khoa học thú vị của mình, Kenneth Cukier đi sâu vào tương lai của máy học và tri thức con người.

Loại bánh ưa thích tại Mỹ là ?

Khán giả: Bánh táo.
Kenneth Cukier: Bánh táo. Tất nhiên rồi.

Làm sao ta biết được?

Nhờ có dữ liệu.

Nhìn vào doanh số bán hàng siêu thị.

Nhìn vào doanh số bán của các
loại bánh đường kính 30cm

được đông lạnh,
và bánh táo thắng tuyệt đối.

Phần lớn bánh bán ra là bánh táo.

Nhưng đến khi
các siêu thị bắt đầu bán

loại nhỏ hơn, cỡ 11 cm,

thì đột nhiên, bánh táo tụt
xuống hạng tư hay năm.

Tại sao? Điều gì đã xảy ra?

Hãy cùng suy nghĩ về điều này.

Khi bạn mua bánh cỡ 30 cm,

cả gia đình bạn phải đồng ý,

thực tế, bánh táo chỉ đứng thứ hai
trong danh sách yêu thích của mọi người.

(tiếng cười)

Nhưng khi mua một cái
bánh cỡ 11 cm,

bạn có thể mua cái mà bạn muốn.

Bạn có thể mua loại
mà mình thích nhất.

Bạn có nhiều dữ liệu hơn.

Bạn có thể thấy được những thứ

không thể thấy
khi chỉ có một lượng nhỏ dữ liệu.

Điểm mấu chốt ở đây là,
có nhiều dữ liệu hơn

không những giúp ta thấy nhiều hơn,

nhiều hơn về thứ ta đang nhìn.

Nhiều dữ liệu hơn còn giúp ta
thấy được những điều mới,

mang đến một góc nhìn tốt hơn,

cho phép ta thấy khác đi.

Trong trường hợp này,
nó cho phép ta thấy

thứ bánh nào được ưa chuộng ở Mỹ:

không phải bánh táo.

Các bạn chắc hẳn đã từng
nghe về khái niệm Big data (dữ liệu lớn).

Đúng hơn, hẳn các bạn
đã chán ngấy về nó.

Thật đúng khi cho rằng có nhiều
sự thổi phồng xung quanh khái niệm trên,

và điều đó thật đáng tiếc,

vì Big data là một công cụ
cực kì quan trọng

mà nhờ đó,
xã hội sẽ trở nên tiến bộ hơn.

Trong quá khứ, chúng ta thường
nhìn vào những dữ liệu nhỏ,

tìm hiểu ý nghĩa của chúng,

để cố gắng hiểu về thế giới,

và giờ, ta có nhiều dữ liệu hơn,

nhiều hơn bao giờ hết.

Những gì ta biết là khi có

một lượng lớn dữ liệu,
ta có thể làm những điều

mà trước kia không thể.

Big data rất quan trọng,
và mới mẻ,

và đó có thể là

cách duy nhất mà hành tinh này sẽ

đối phó với những thử thách toàn cầu:

đảm bảo thức ăn cho mọi người,
cung cấp dịch vụ y tế,

cung cấp năng lượng, điện,

và đảm bảo người dân
không bị thiêu rụi

bởi sự nóng lên toàn cầu -

tất cả nhờ vào
việc sử dụng dữ liệu hiệu quả.

Vậy thì, Big data có gì mới?
Có gì mà to tát như vậy?

Được, để trả lời câu hỏi đó,
hãy nghĩ về

thông tin trông như thế nào,
trước kia.

Vào năm 1908, trên đảo Crete,

các nhà khảo cổ học tìm ra
một cái đĩa đất sét.

Họ xác định nó từ là 2000 năm trước
Công nguyên, vậy nó 4000 tuổi.

Trên đĩa có khắc chữ
nhưng ta không hiểu nó có nghĩa gì.

Hoàn toàn là một bí ẩn,
nhưng vấn đề là

thông tin đã từng trông như thế
4000 năm trước.

Đây là cách xã hội lưu trữ

và truyền tải thông tin.

Bây giờ, xã hội chưa tân tiến đến mức đó.

Chúng ta vẫn lưu trữ thông tin trên đĩa,

nhưng giờ, có thể lưu trữ
nhiều thông tin hơn trước kia.

Tìm kiếm nó thì dễ hơn.
Sao chép nó cũng dễ hơn.

Chia sẻ cũng dễ hơn.
Xử lý dễ hơn.

Những gì ta có thể làm là
sử dụng lại thông tin này

vào việc mà thậm chí
chưa bao giờ tưởng tượng ra

khi mới bắt đầu thu thập dữ liệu.

Về lĩnh vực này, dữ liệu đã phát triển

từ một kho tích trữ về một dòng chảy ,

từ thứ bất động và cố định

sang linh hoạt và năng động.

Có một thanh khoản thông tin.

Cái đĩa được tìm thấy ở Crete

đã 4000 năm tuổi, rất nặng,

nó không lưu trữ được nhiều thông tin,

và số thông tin đó không thể thay đổi.

Ngược lại, tất cả những hồ sơ

mà Edward Snowden lấy

từ Cục An ninh Quốc gia Hoa Kỳ

chứa vừa trong một thẻ nhớ

bằng kích thước của móng tay,

và có thể được chia sẻ
với tốc độ ánh sáng.

Nhiều dữ liệu hơn, hơn rất nhiều.

Một lý do tại sao có quá nhiều
dữ liệu trên thế giới hiện nay

là vì chúng ta đang
thu thập những thứ

ta vẫn luôn thu thập,

một lý do khác để giải thích
việc chúng ta lấy những thứ

trước đây, cũng cung cấp thông tin

nhưng chưa bao giờ
được làm thành dạng dữ liệu

và bỏ vào dữ liệu.

Lấy ví dụ, câu hỏi về địa điểm

Lấy ví dụ, Martin Luther.

Nếu muốn biết vào năm 1500

Martin Luther ở đâu,

ta sẽ phải theo dõi ông ấy
mọi lúc,

kèm theo một cây bút lông
và một lọ mực

để ghi chép lại.

Hãy nghĩ nó
sẽ như thế nào ngày nay.

Bạn biết rằng ở một nơi nào đó,

có thể là trong cơ sở dữ liệu
của một hãng viễn thông

có một bảng tính hoặc ít nhất
một mục cơ sở dữ liệu

lưu trữ lại thông tin của bạn,

những nơi bạn đã đến
tại mọi thời điểm.

Nếu bạn có điện thoại di động,

và nó đó có GPS,
ngay cả khi không có GPS,

nó vẫn có thể
lưu trữ thông tin của bạn.

Trong lĩnh vực này, việc định vị
đã được dữ liệu hóa.

Bây giờ, lấy ví dụ
vấn đề về tư thế

các bạn đang ngồi bây giờ

Chúng đều khác nhau,

và là chức năng giữa chiều dài chân,
lưng và đường nét của lưng,

và nếu bây giờ, đặt thiết bị cảm biến

vào tất cả các ghế,

tôi có thể tạo ra một chỉ số
tương đối độc nhất về bạn,

ví dụ như dấu vân tay,
nhưng không phải là ngón tay của bạn.

Vậy ta có thể làm gì với nó?

Các nhà nghiên cứu ở Tokyo
đang dùng dấu vân tay

để tạo ra một thiết bị có tiềm năng
chống trộm xe hơi.

Ý tưởng là nếu tên trộm
ngồi đằng sau tay lái

và cố lái đi,
nhưng nếu chiếc xe nhận ra

đằng sau bánh lái là một
tài xế không được xác duyệt,

động cơ sẽ tự động dừng, trừ khi

bạn nhập mật khẩu vào bảng điều khiển

để báo rằng: "Tôi có sự cho phép".
Tuyệt.

Nếu như mọi chiếc xe ở Châu Âu

đều có công nghệ này thì sao?

Chúng ta có thể làm gì lúc đó?

Nếu có thể tập hợp dữ liệu,

có thể ta sẽ khám phá ra
các dấu hiệu

dự đoán tốt nhất rằng
một tai nạn xe hơi

sẽ xảy ra trong 5 giây tiếp theo.

Rồi những gì chúng ta sẽ
dữ liệu hóa

sẽ là sự mệt mỏi của tài xế,

và dịch vụ lúc đó sẽ là
khi cảm nhận được

tài xế đang rơi
vào tình trạng mệt mỏi

chiếc xe sẽ tự động
cài một báo động bên trong

để làm rung bánh lái, và
bóp kèn

báo rằng: "Này! dậy đi,

chú ý đường đi kìa."

Đây là những thứ ta có thể làm

khi dữ liệu hóa nhiều khía cạnh hơn
trong cuộc sống.

Vậy thì giá trị của Big data là gì?

Nào, hãy nghĩ xem.

Bạn có nhiều thông tin hơn.

Bạn có thể làm những việc
không thể làm trước đó.

Một trong những lĩnh vực ấn tượng nhất

mà khái niệm này đang diễn ra

là máy học.

Máy học là một nhánh của
trí tuệ nhân tạo

mà bản thân nó là một nhánh của
khoa học máy tính.

Ý tưởng chung là thay vì

phải hướng dẫn máy tính
những gì phải làm,

chúng ta sẽ chỉ đưa vào dữ liệu
liên quan đến vấn đề

và bảo máy tính tự tính toán.

Để hiểu thêm về vấn đề này,

hãy cùng nhìn lại nguồn gốc của nó.

Vào những năm 1950,

một nhà khoa học máy tính của IBM
tên Arthur Samuel thích chơi cờ,

ông ấy viết một chương trình
để có thể chơi cờ với máy tính.

Ông ấy chơi. Ông ấy thắng.

Ông ấy chơi. Ông ấy thắng,

Ông ấy chơi. Ông ấy thắng,

vì máy tính chỉ biết

nước đi đúng luật là thế nào.

Arthur Samuel biết một số thứ khác.

Arthur Samuel biết chiến lược.

Thế nên, bên cạnh đó, ông
viết một chương trình con,

hoạt động trên nền chương trình chính,
và ghi lại xác suất

của bàn cờ cho sẵn
có khả năng dẫn đến

một ván thắng hoặc một ván thua

sau mỗi nước đi.

Ông ấy chơi với máy tính. Ông ấy thắng

Ông ấy chơi với máy tính. Ông ấy thắng

Ông ấy chơi với máy tính. Ông ấy thắng

Và rồi Arthur Samuel để máy tính

tự chơi cờ với chính nó.

Nó tự chơi cờ.
Nó thu thập nhiều dữ liệu hơn.

Nó thu thập nhiều dữ liệu hơn.
Nó tăng độ chính xác về khả năng dự đoán

Và rồi Arthur Samuel quay lại máy tính

và chơi cờ với nó, và ông ấy thua

và ông ấy chơi, ông ấy thua

và ông ấy chơi, ông ấy thua

và Arthur Samuel đã tạo ra một cỗ máy

vượt qua khả năng của ông ấy
trong một lĩnh vực mà chính ông đã dạy nó.

Ý tưởng này trong lĩnh vực máy học

đang được ứng dụng ở mọi nơi.

Bạn nghĩ làm thế nào ta có
xe hơi lái tự động?

Xã hội chúng ta có khá hơn không

khi nhập tất cả các
luật giao thông vào phần mềm?

Không. Bộ nhớ rẻ hơn? Không

Các thuật toán xử lý nhanh hơn? Không
Bộ vi xử lý tốt hơn? Không

Tất cả đều quan trọng,
nhưng đó không phải là lý do.

Mà là vì chúng ta
đã thay đổi bản chất của vấn đề.

Từ một vấn đề,
ta tìm cách giải thích

rõ ràng, dứt khoát

cho máy tính hiểu
làm thế nào để lái xe

đến việc nói rằng:
"Đây là tập dữ liệu xung quanh chiếc xe.

Hãy tự xử lý chúng.

Hãy nhận ra
đó là đèn giao thông,

rằng đó đang là đèn đỏ
không phải đèn xanh

rằng điều đó có nghĩa là
phải dừng lại

và không đi về phía trước."

Máy học là nền tảng cơ bản

của rất nhiều thứ chúng ta làm trên mạng:

các công cụ tìm kiếm,

thuật toán cá nhân hóa của Amazon,

máy tính dịch thuật,

hệ thống xác nhận giọng nói.

Gần đây, các nhà nghiên cứu đã tìm hiểu

về các vấn đề sinh thiết

sinh thiết ung thư,

và họ đã nhờ máy tính xác định,

bằng cách nhìn vào dữ liệu và
chỉ số sống sót

để xác nhận rằng những tế bào này

có thật sự bị ung thư hay không,

chắc chắn rằng, khi nhập dữ liệu
vào máy tính qua một thuật toán máy học

cỗ máy có thể xác định

những dấu hiệu dự đoán tốt nhất

rằng sinh thiết của các
tế bào ung thư vú này

thật sự bị ung thư.

Vấn đề: Tài liệu y học

chỉ biết được 9 dấu hiệu.

Trong đó, có 3 dấu hiệu

mà mọi người không cần phải tìm kiếm

nhưng cỗ máy phát hiện ra.

Big data cũng có mặt tối của nó.

Nó sẽ cải thiện cuộc sống,
nhưng có những vấn đề

mà ta nên cảnh giác,

và điều đầu tiên đó là quan niệm

rằng ta có thể bị trừng phạt
do các dự đoán,

rằng cảnh sát có thể sử dụng Big data
cho mục đích của họ,

tựa như phim "Minority Report"

Nó là một thuật ngữ gọi là
giám sát dự báo

hoặc thuật toán tội phạm học,

và khái niệm đó là:
nếu lấy nhiều dữ liệu,

ví dụ, dữ liệu về các địa điểm
xảy ra tội phạm

ta sẽ biết nơi cần gửi
đội tuần tra.

Điều đó là hợp lý,
nhưng vấn đề, dĩ nhiên

không phải chỉ dừng lại
ở dữ liệu định vị,

nó sẽ xuống cấp độ thu thập dữ liệu
của từng cá nhân.

Tại sao không dùng dữ liệu
để biết về

bảng điểm cấp 3 của một người nào đó?

Có thể nên dùng sự thật như

họ thất nghiệp hay không,
điểm tín dụng,

cách họ lướt web,

hay họ có thức khuya hay không.

Chỉ số Fitbit có khả năng
xác định các hóa sinh,

sẽ chỉ ra rằng
họ có suy nghĩ hiếu chiến.

Có thể có những thuật toán
có khả năng dự đoán

những gì chúng ta sẽ làm,

liệu ta có phải chịu trách nhiệm
trước khi thật sự làm những điều đó?

Bảo mật là thách thức trọng tâm

trong thời đại small data (dữ liệu nhỏ).

Trong thời đại Big data (dữ liệu lớn),

thách thức sẽ là bảo vệ tự do,

lựa chọn đạo đức, ý chí con người,

tính chủ thể.

Còn có một vấn đề nữa:

Big data sẽ cướp đi
việc làm của chúng ta.

Big data và các thuật toán
sẽ thách thức

công việc văn phòng,
công việc chuyên môn

trong thế kỷ 21

theo cùng một cách
mà máy móc tự động

và dây chuyền lắp ráp

thách thức công nhân ở thế kỉ 20.

Hãy nghĩ về kỹ thuật viên phòng thí nghiệm

sử dụng một cái kính hiển vi

ở viện sinh thiết ung thư

và xác định xem sinh thiết này
có bị ung thư hay không.

Người này đã học xong đại học

Người này mua nhà.

Anh ấy hoặc cô ấy bỏ phiếu.

Anh ấy hoặc cô ấy là
một nhân tố trong xã hội.

Và việc làm của người đó,
cũng như toàn bộ đội ngũ

những người chuyên môn
như vậy

sẽ thấy công việc của họ
bị thay đổi một cách triệt để

hoặc bị loại bỏ hoàn toàn.

Chúng ta thích nghĩ rằng

công nghệ sẽ tạo nên việc làm
sau một khoảng thời gian

sau khoản thời gian
rối loạn tạm thời,

điều đó đúng
cho các khung tham chiếu

mà chúng ta sống,
Cách mạng công nghiệp,

vì đó chính xác là những gì đã xảy ra.

Nhưng ta quên điều gì đó
trong bài phân tích đấy:

Có một số loại công việc

đơn giản là bị loại bỏ hoàn toàn và
không bao giờ quay trở lại.

Cách mạng công nghiệp không hề tốt

nếu bạn là một con ngựa.

Do đó, phải thận trọng

trong việc sử dụng Big data và
điều chỉnh nó phù hợp với

nhu cầu rất con người của chúng ta.

Chúng ta phải làm chủ công nghệ này,

chứ không phải là người hầu của nó.

Chỉ mới là khởi đầu kỷ nguyên
của big date

và thành thật mà nói,
chúng ta không hề giỏi

trong việc xử lý tất cả các dữ liệu
có thể thu thập.

Nó không chỉ là vấn đề cho
Cục An ninh Quốc gia.

Các doanh nghiệp thu thập rất nhiều
dữ liệu và họ cũng lạm dụng nó.

Chúng ta phải làm tốt hơn và điều này
sẽ tốn nhiều thời gian.

Nó giống như là thử thách mà

người nguyên thủy gặp phải với lửa

Đây là một công cụ,
nhưng là một công cụ

mà nếu không cẩn thận,
sẽ thiêu cháy chúng ta.

Big data sẽ thay đổi
cách sống,

cách ta làm việc và
cách ta suy nghĩ.

Nó sẽ giúp chúng ta quản lý
sự nghiệp của mình

và dẫn đến cuộc sống
hài lòng và hy vọng,

hạnh phúc và sức khỏe.

Nhưng trong quá khứ, ta
thường nhìn vào công nghệ thông tin

và chỉ thấy những thứ như,

công nghệ, phần mềm,

những thứ vật chất.

Phải đúc kết lại
cái nhìn của chúng ta,

nhìn vào thông tin,

dù nó không mấy rõ ràng

nhưng trong một số khía cạnh
quan trọng hơn rất nhiều.

Nhân loại cuối cùng cũng có thể
học hỏi từ những thông tin

mà nó có thể thu thập,

như một phần
của cuộc thám hiểm vô tận

để hiểu về thế giới và vị trí
của chúng ta trong đó,

và đó là lý do tại sao Big data
là một vấn đề quan trọng.

(vỗ tay)