Big data (dữ liệu lớn) là dữ liệu tốt hơn
-
0:01 - 0:05Loại bánh ưa thích tại Mỹ là ?
-
0:05 - 0:08Khán giả: Bánh táo.
Kenneth Cukier: Bánh táo. Tất nhiên rồi. -
0:08 - 0:09Làm sao ta biết được?
-
0:09 - 0:12Nhờ có dữ liệu.
-
0:12 - 0:14Nhìn vào doanh số bán hàng siêu thị.
-
0:14 - 0:17Nhìn vào doanh số bán của các
loại bánh đường kính 30cm -
0:17 - 0:21được đông lạnh,
và bánh táo thắng tuyệt đối. -
0:21 - 0:26Phần lớn bánh bán ra là bánh táo.
-
0:26 - 0:29Nhưng đến khi
các siêu thị bắt đầu bán -
0:29 - 0:32loại nhỏ hơn, cỡ 11 cm,
-
0:32 - 0:36thì đột nhiên, bánh táo tụt
xuống hạng tư hay năm. -
0:36 - 0:39Tại sao? Điều gì đã xảy ra?
-
0:39 - 0:42Hãy cùng suy nghĩ về điều này.
-
0:42 - 0:46Khi bạn mua bánh cỡ 30 cm,
-
0:46 - 0:48cả gia đình bạn phải đồng ý,
-
0:48 - 0:52thực tế, bánh táo chỉ đứng thứ hai
trong danh sách yêu thích của mọi người. -
0:52 - 0:54(tiếng cười)
-
0:54 - 0:57Nhưng khi mua một cái
bánh cỡ 11 cm, -
0:57 - 1:01bạn có thể mua cái mà bạn muốn.
-
1:01 - 1:05Bạn có thể mua loại
mà mình thích nhất. -
1:05 - 1:07Bạn có nhiều dữ liệu hơn.
-
1:07 - 1:08Bạn có thể thấy được những thứ
-
1:08 - 1:13không thể thấy
khi chỉ có một lượng nhỏ dữ liệu. -
1:13 - 1:16Điểm mấu chốt ở đây là,
có nhiều dữ liệu hơn -
1:16 - 1:18không những giúp ta thấy nhiều hơn,
-
1:18 - 1:20nhiều hơn về thứ ta đang nhìn.
-
1:20 - 1:23Nhiều dữ liệu hơn còn giúp ta
thấy được những điều mới, -
1:23 - 1:27mang đến một góc nhìn tốt hơn,
-
1:27 - 1:30cho phép ta thấy khác đi.
-
1:30 - 1:33Trong trường hợp này,
nó cho phép ta thấy -
1:33 - 1:36thứ bánh nào được ưa chuộng ở Mỹ:
-
1:36 - 1:39không phải bánh táo.
-
1:39 - 1:42Các bạn chắc hẳn đã từng
nghe về khái niệm Big data (dữ liệu lớn). -
1:42 - 1:46Đúng hơn, hẳn các bạn
đã chán ngấy về nó. -
1:46 - 1:49Thật đúng khi cho rằng có nhiều
sự thổi phồng xung quanh khái niệm trên, -
1:49 - 1:52và điều đó thật đáng tiếc,
-
1:52 - 1:55vì Big data là một công cụ
cực kì quan trọng -
1:55 - 1:59mà nhờ đó,
xã hội sẽ trở nên tiến bộ hơn. -
1:59 - 2:02Trong quá khứ, chúng ta thường
nhìn vào những dữ liệu nhỏ, -
2:02 - 2:04tìm hiểu ý nghĩa của chúng,
-
2:04 - 2:05để cố gắng hiểu về thế giới,
-
2:05 - 2:07và giờ, ta có nhiều dữ liệu hơn,
-
2:07 - 2:10nhiều hơn bao giờ hết.
-
2:10 - 2:12Những gì ta biết là khi có
-
2:12 - 2:15một lượng lớn dữ liệu,
ta có thể làm những điều -
2:15 - 2:18mà trước kia không thể.
-
2:18 - 2:21Big data rất quan trọng,
và mới mẻ, -
2:21 - 2:22và đó có thể là
-
2:22 - 2:25cách duy nhất mà hành tinh này sẽ
-
2:25 - 2:26đối phó với những thử thách toàn cầu:
-
2:26 - 2:30đảm bảo thức ăn cho mọi người,
cung cấp dịch vụ y tế, -
2:30 - 2:33cung cấp năng lượng, điện,
-
2:33 - 2:34và đảm bảo người dân
không bị thiêu rụi -
2:34 - 2:36bởi sự nóng lên toàn cầu -
-
2:36 - 2:40tất cả nhờ vào
việc sử dụng dữ liệu hiệu quả. -
2:40 - 2:44Vậy thì, Big data có gì mới?
Có gì mà to tát như vậy? -
2:44 - 2:46Được, để trả lời câu hỏi đó,
hãy nghĩ về -
2:46 - 2:51thông tin trông như thế nào,
trước kia. -
2:51 - 2:55Vào năm 1908, trên đảo Crete,
-
2:55 - 3:00các nhà khảo cổ học tìm ra
một cái đĩa đất sét. -
3:00 - 3:04Họ xác định nó từ là 2000 năm trước
Công nguyên, vậy nó 4000 tuổi. -
3:04 - 3:07Trên đĩa có khắc chữ
nhưng ta không hiểu nó có nghĩa gì. -
3:07 - 3:09Hoàn toàn là một bí ẩn,
nhưng vấn đề là -
3:09 - 3:13thông tin đã từng trông như thế
4000 năm trước. -
3:13 - 3:16Đây là cách xã hội lưu trữ
-
3:16 - 3:19và truyền tải thông tin.
-
3:19 - 3:23Bây giờ, xã hội chưa tân tiến đến mức đó.
-
3:23 - 3:27Chúng ta vẫn lưu trữ thông tin trên đĩa,
-
3:27 - 3:31nhưng giờ, có thể lưu trữ
nhiều thông tin hơn trước kia. -
3:31 - 3:34Tìm kiếm nó thì dễ hơn.
Sao chép nó cũng dễ hơn. -
3:34 - 3:38Chia sẻ cũng dễ hơn.
Xử lý dễ hơn. -
3:38 - 3:40Những gì ta có thể làm là
sử dụng lại thông tin này -
3:40 - 3:43vào việc mà thậm chí
chưa bao giờ tưởng tượng ra -
3:43 - 3:46khi mới bắt đầu thu thập dữ liệu.
-
3:46 - 3:48Về lĩnh vực này, dữ liệu đã phát triển
-
3:48 - 3:51từ một kho tích trữ về một dòng chảy ,
-
3:51 - 3:55từ thứ bất động và cố định
-
3:55 - 3:59sang linh hoạt và năng động.
-
3:59 - 4:03Có một thanh khoản thông tin.
-
4:03 - 4:06Cái đĩa được tìm thấy ở Crete
-
4:06 - 4:10đã 4000 năm tuổi, rất nặng,
-
4:10 - 4:12nó không lưu trữ được nhiều thông tin,
-
4:12 - 4:15và số thông tin đó không thể thay đổi.
-
4:15 - 4:19Ngược lại, tất cả những hồ sơ
-
4:19 - 4:21mà Edward Snowden lấy
-
4:21 - 4:24từ Cục An ninh Quốc gia Hoa Kỳ
-
4:24 - 4:26chứa vừa trong một thẻ nhớ
-
4:26 - 4:29bằng kích thước của móng tay,
-
4:29 - 4:34và có thể được chia sẻ
với tốc độ ánh sáng. -
4:34 - 4:38Nhiều dữ liệu hơn, hơn rất nhiều.
-
4:38 - 4:41Một lý do tại sao có quá nhiều
dữ liệu trên thế giới hiện nay -
4:41 - 4:43là vì chúng ta đang
thu thập những thứ -
4:43 - 4:46ta vẫn luôn thu thập,
-
4:46 - 4:49một lý do khác để giải thích
việc chúng ta lấy những thứ -
4:49 - 4:51trước đây, cũng cung cấp thông tin
-
4:51 - 4:54nhưng chưa bao giờ
được làm thành dạng dữ liệu -
4:54 - 4:56và bỏ vào dữ liệu.
-
4:56 - 5:00Lấy ví dụ, câu hỏi về địa điểm
-
5:00 - 5:02Lấy ví dụ, Martin Luther.
-
5:02 - 5:03Nếu muốn biết vào năm 1500
-
5:03 - 5:06Martin Luther ở đâu,
-
5:06 - 5:08ta sẽ phải theo dõi ông ấy
mọi lúc, -
5:08 - 5:10kèm theo một cây bút lông
và một lọ mực -
5:10 - 5:12để ghi chép lại.
-
5:12 - 5:14Hãy nghĩ nó
sẽ như thế nào ngày nay. -
5:14 - 5:16Bạn biết rằng ở một nơi nào đó,
-
5:16 - 5:19có thể là trong cơ sở dữ liệu
của một hãng viễn thông -
5:19 - 5:22có một bảng tính hoặc ít nhất
một mục cơ sở dữ liệu -
5:22 - 5:24lưu trữ lại thông tin của bạn,
-
5:24 - 5:26những nơi bạn đã đến
tại mọi thời điểm. -
5:26 - 5:27Nếu bạn có điện thoại di động,
-
5:27 - 5:30và nó đó có GPS,
ngay cả khi không có GPS, -
5:30 - 5:33nó vẫn có thể
lưu trữ thông tin của bạn. -
5:33 - 5:37Trong lĩnh vực này, việc định vị
đã được dữ liệu hóa. -
5:37 - 5:41Bây giờ, lấy ví dụ
vấn đề về tư thế -
5:41 - 5:46các bạn đang ngồi bây giờ
-
5:46 - 5:48Chúng đều khác nhau,
-
5:48 - 5:51và là chức năng giữa chiều dài chân,
lưng và đường nét của lưng, -
5:51 - 5:54và nếu bây giờ, đặt thiết bị cảm biến
-
5:54 - 5:56vào tất cả các ghế,
-
5:56 - 5:59tôi có thể tạo ra một chỉ số
tương đối độc nhất về bạn, -
5:59 - 6:04ví dụ như dấu vân tay,
nhưng không phải là ngón tay của bạn. -
6:04 - 6:07Vậy ta có thể làm gì với nó?
-
6:07 - 6:09Các nhà nghiên cứu ở Tokyo
đang dùng dấu vân tay -
6:09 - 6:14để tạo ra một thiết bị có tiềm năng
chống trộm xe hơi. -
6:14 - 6:16Ý tưởng là nếu tên trộm
ngồi đằng sau tay lái -
6:16 - 6:18và cố lái đi,
nhưng nếu chiếc xe nhận ra -
6:18 - 6:21đằng sau bánh lái là một
tài xế không được xác duyệt, -
6:21 - 6:23động cơ sẽ tự động dừng, trừ khi
-
6:23 - 6:26bạn nhập mật khẩu vào bảng điều khiển
-
6:26 - 6:31để báo rằng: "Tôi có sự cho phép".
Tuyệt. -
6:31 - 6:33Nếu như mọi chiếc xe ở Châu Âu
-
6:33 - 6:35đều có công nghệ này thì sao?
-
6:35 - 6:38Chúng ta có thể làm gì lúc đó?
-
6:38 - 6:40Nếu có thể tập hợp dữ liệu,
-
6:40 - 6:44có thể ta sẽ khám phá ra
các dấu hiệu -
6:44 - 6:47dự đoán tốt nhất rằng
một tai nạn xe hơi -
6:47 - 6:53sẽ xảy ra trong 5 giây tiếp theo.
-
6:53 - 6:55Rồi những gì chúng ta sẽ
dữ liệu hóa -
6:55 - 6:57sẽ là sự mệt mỏi của tài xế,
-
6:57 - 6:59và dịch vụ lúc đó sẽ là
khi cảm nhận được -
6:59 - 7:03tài xế đang rơi
vào tình trạng mệt mỏi -
7:03 - 7:07chiếc xe sẽ tự động
cài một báo động bên trong -
7:07 - 7:09để làm rung bánh lái, và
bóp kèn -
7:09 - 7:11báo rằng: "Này! dậy đi,
-
7:11 - 7:12chú ý đường đi kìa."
-
7:12 - 7:14Đây là những thứ ta có thể làm
-
7:14 - 7:17khi dữ liệu hóa nhiều khía cạnh hơn
trong cuộc sống. -
7:17 - 7:21Vậy thì giá trị của Big data là gì?
-
7:21 - 7:23Nào, hãy nghĩ xem.
-
7:23 - 7:25Bạn có nhiều thông tin hơn.
-
7:25 - 7:28Bạn có thể làm những việc
không thể làm trước đó. -
7:28 - 7:30Một trong những lĩnh vực ấn tượng nhất
-
7:30 - 7:32mà khái niệm này đang diễn ra
-
7:32 - 7:35là máy học.
-
7:35 - 7:39Máy học là một nhánh của
trí tuệ nhân tạo -
7:39 - 7:42mà bản thân nó là một nhánh của
khoa học máy tính. -
7:42 - 7:43Ý tưởng chung là thay vì
-
7:43 - 7:46phải hướng dẫn máy tính
những gì phải làm, -
7:46 - 7:48chúng ta sẽ chỉ đưa vào dữ liệu
liên quan đến vấn đề -
7:48 - 7:51và bảo máy tính tự tính toán.
-
7:51 - 7:53Để hiểu thêm về vấn đề này,
-
7:53 - 7:57hãy cùng nhìn lại nguồn gốc của nó.
-
7:57 - 7:59Vào những năm 1950,
-
7:59 - 8:03một nhà khoa học máy tính của IBM
tên Arthur Samuel thích chơi cờ, -
8:03 - 8:07ông ấy viết một chương trình
để có thể chơi cờ với máy tính. -
8:07 - 8:10Ông ấy chơi. Ông ấy thắng.
-
8:10 - 8:12Ông ấy chơi. Ông ấy thắng,
-
8:12 - 8:15Ông ấy chơi. Ông ấy thắng,
-
8:15 - 8:17vì máy tính chỉ biết
-
8:17 - 8:19nước đi đúng luật là thế nào.
-
8:19 - 8:21Arthur Samuel biết một số thứ khác.
-
8:21 - 8:25Arthur Samuel biết chiến lược.
-
8:25 - 8:28Thế nên, bên cạnh đó, ông
viết một chương trình con, -
8:28 - 8:32hoạt động trên nền chương trình chính,
và ghi lại xác suất -
8:32 - 8:34của bàn cờ cho sẵn
có khả năng dẫn đến -
8:34 - 8:37một ván thắng hoặc một ván thua
-
8:37 - 8:40sau mỗi nước đi.
-
8:40 - 8:43Ông ấy chơi với máy tính. Ông ấy thắng
-
8:43 - 8:45Ông ấy chơi với máy tính. Ông ấy thắng
-
8:45 - 8:49Ông ấy chơi với máy tính. Ông ấy thắng
-
8:49 - 8:51Và rồi Arthur Samuel để máy tính
-
8:51 - 8:54tự chơi cờ với chính nó.
-
8:54 - 8:57Nó tự chơi cờ.
Nó thu thập nhiều dữ liệu hơn. -
8:57 - 9:01Nó thu thập nhiều dữ liệu hơn.
Nó tăng độ chính xác về khả năng dự đoán -
9:01 - 9:03Và rồi Arthur Samuel quay lại máy tính
-
9:03 - 9:06và chơi cờ với nó, và ông ấy thua
-
9:06 - 9:08và ông ấy chơi, ông ấy thua
-
9:08 - 9:10và ông ấy chơi, ông ấy thua
-
9:10 - 9:13và Arthur Samuel đã tạo ra một cỗ máy
-
9:13 - 9:19vượt qua khả năng của ông ấy
trong một lĩnh vực mà chính ông đã dạy nó. -
9:19 - 9:21Ý tưởng này trong lĩnh vực máy học
-
9:21 - 9:25đang được ứng dụng ở mọi nơi.
-
9:25 - 9:28Bạn nghĩ làm thế nào ta có
xe hơi lái tự động? -
9:28 - 9:31Xã hội chúng ta có khá hơn không
-
9:31 - 9:34khi nhập tất cả các
luật giao thông vào phần mềm? -
9:34 - 9:36Không. Bộ nhớ rẻ hơn? Không
-
9:36 - 9:40Các thuật toán xử lý nhanh hơn? Không
Bộ vi xử lý tốt hơn? Không -
9:40 - 9:43Tất cả đều quan trọng,
nhưng đó không phải là lý do. -
9:43 - 9:46Mà là vì chúng ta
đã thay đổi bản chất của vấn đề. -
9:46 - 9:48Từ một vấn đề,
ta tìm cách giải thích -
9:48 - 9:50rõ ràng, dứt khoát
-
9:50 - 9:53cho máy tính hiểu
làm thế nào để lái xe -
9:53 - 9:56đến việc nói rằng:
"Đây là tập dữ liệu xung quanh chiếc xe. -
9:56 - 9:57Hãy tự xử lý chúng.
-
9:57 - 9:59Hãy nhận ra
đó là đèn giao thông, -
9:59 - 10:01rằng đó đang là đèn đỏ
không phải đèn xanh -
10:01 - 10:03rằng điều đó có nghĩa là
phải dừng lại -
10:03 - 10:06và không đi về phía trước."
-
10:06 - 10:08Máy học là nền tảng cơ bản
-
10:08 - 10:10của rất nhiều thứ chúng ta làm trên mạng:
-
10:10 - 10:12các công cụ tìm kiếm,
-
10:12 - 10:16thuật toán cá nhân hóa của Amazon,
-
10:16 - 10:18máy tính dịch thuật,
-
10:18 - 10:22hệ thống xác nhận giọng nói.
-
10:22 - 10:25Gần đây, các nhà nghiên cứu đã tìm hiểu
-
10:25 - 10:28về các vấn đề sinh thiết
-
10:28 - 10:31sinh thiết ung thư,
-
10:31 - 10:33và họ đã nhờ máy tính xác định,
-
10:33 - 10:36bằng cách nhìn vào dữ liệu và
chỉ số sống sót -
10:36 - 10:40để xác nhận rằng những tế bào này
-
10:40 - 10:43có thật sự bị ung thư hay không,
-
10:43 - 10:47chắc chắn rằng, khi nhập dữ liệu
vào máy tính qua một thuật toán máy học -
10:47 - 10:49cỗ máy có thể xác định
-
10:49 - 10:51những dấu hiệu dự đoán tốt nhất
-
10:51 - 10:54rằng sinh thiết của các
tế bào ung thư vú này -
10:54 - 10:57thật sự bị ung thư.
-
10:57 - 11:00Vấn đề: Tài liệu y học
-
11:00 - 11:03chỉ biết được 9 dấu hiệu.
-
11:03 - 11:04Trong đó, có 3 dấu hiệu
-
11:04 - 11:07mà mọi người không cần phải tìm kiếm
-
11:07 - 11:13nhưng cỗ máy phát hiện ra.
-
11:13 - 11:19Big data cũng có mặt tối của nó.
-
11:19 - 11:21Nó sẽ cải thiện cuộc sống,
nhưng có những vấn đề -
11:21 - 11:24mà ta nên cảnh giác,
-
11:24 - 11:26và điều đầu tiên đó là quan niệm
-
11:26 - 11:29rằng ta có thể bị trừng phạt
do các dự đoán, -
11:29 - 11:33rằng cảnh sát có thể sử dụng Big data
cho mục đích của họ, -
11:33 - 11:35tựa như phim "Minority Report"
-
11:35 - 11:38Nó là một thuật ngữ gọi là
giám sát dự báo -
11:38 - 11:40hoặc thuật toán tội phạm học,
-
11:40 - 11:42và khái niệm đó là:
nếu lấy nhiều dữ liệu, -
11:42 - 11:44ví dụ, dữ liệu về các địa điểm
xảy ra tội phạm -
11:44 - 11:47ta sẽ biết nơi cần gửi
đội tuần tra. -
11:47 - 11:49Điều đó là hợp lý,
nhưng vấn đề, dĩ nhiên -
11:49 - 11:53không phải chỉ dừng lại
ở dữ liệu định vị, -
11:53 - 11:56nó sẽ xuống cấp độ thu thập dữ liệu
của từng cá nhân. -
11:56 - 11:59Tại sao không dùng dữ liệu
để biết về -
11:59 - 12:01bảng điểm cấp 3 của một người nào đó?
-
12:01 - 12:02Có thể nên dùng sự thật như
-
12:02 - 12:04họ thất nghiệp hay không,
điểm tín dụng, -
12:04 - 12:06cách họ lướt web,
-
12:06 - 12:08hay họ có thức khuya hay không.
-
12:08 - 12:11Chỉ số Fitbit có khả năng
xác định các hóa sinh, -
12:11 - 12:15sẽ chỉ ra rằng
họ có suy nghĩ hiếu chiến. -
12:15 - 12:17Có thể có những thuật toán
có khả năng dự đoán -
12:17 - 12:19những gì chúng ta sẽ làm,
-
12:19 - 12:23liệu ta có phải chịu trách nhiệm
trước khi thật sự làm những điều đó? -
12:23 - 12:25Bảo mật là thách thức trọng tâm
-
12:25 - 12:28trong thời đại small data (dữ liệu nhỏ).
-
12:28 - 12:30Trong thời đại Big data (dữ liệu lớn),
-
12:30 - 12:34thách thức sẽ là bảo vệ tự do,
-
12:34 - 12:38lựa chọn đạo đức, ý chí con người,
-
12:38 - 12:42tính chủ thể.
-
12:42 - 12:45Còn có một vấn đề nữa:
-
12:45 - 12:48Big data sẽ cướp đi
việc làm của chúng ta. -
12:48 - 12:52Big data và các thuật toán
sẽ thách thức -
12:52 - 12:55công việc văn phòng,
công việc chuyên môn -
12:55 - 12:57trong thế kỷ 21
-
12:57 - 12:59theo cùng một cách
mà máy móc tự động -
12:59 - 13:01và dây chuyền lắp ráp
-
13:01 - 13:04thách thức công nhân ở thế kỉ 20.
-
13:04 - 13:06Hãy nghĩ về kỹ thuật viên phòng thí nghiệm
-
13:06 - 13:08sử dụng một cái kính hiển vi
-
13:08 - 13:09ở viện sinh thiết ung thư
-
13:09 - 13:12và xác định xem sinh thiết này
có bị ung thư hay không. -
13:12 - 13:14Người này đã học xong đại học
-
13:14 - 13:16Người này mua nhà.
-
13:16 - 13:18Anh ấy hoặc cô ấy bỏ phiếu.
-
13:18 - 13:21Anh ấy hoặc cô ấy là
một nhân tố trong xã hội. -
13:21 - 13:24Và việc làm của người đó,
cũng như toàn bộ đội ngũ -
13:24 - 13:26những người chuyên môn
như vậy -
13:26 - 13:29sẽ thấy công việc của họ
bị thay đổi một cách triệt để -
13:29 - 13:31hoặc bị loại bỏ hoàn toàn.
-
13:31 - 13:33Chúng ta thích nghĩ rằng
-
13:33 - 13:36công nghệ sẽ tạo nên việc làm
sau một khoảng thời gian -
13:36 - 13:39sau khoản thời gian
rối loạn tạm thời, -
13:39 - 13:41điều đó đúng
cho các khung tham chiếu -
13:41 - 13:43mà chúng ta sống,
Cách mạng công nghiệp, -
13:43 - 13:46vì đó chính xác là những gì đã xảy ra.
-
13:46 - 13:48Nhưng ta quên điều gì đó
trong bài phân tích đấy: -
13:48 - 13:50Có một số loại công việc
-
13:50 - 13:53đơn giản là bị loại bỏ hoàn toàn và
không bao giờ quay trở lại. -
13:53 - 13:55Cách mạng công nghiệp không hề tốt
-
13:55 - 13:59nếu bạn là một con ngựa.
-
13:59 - 14:01Do đó, phải thận trọng
-
14:01 - 14:05trong việc sử dụng Big data và
điều chỉnh nó phù hợp với -
14:05 - 14:08nhu cầu rất con người của chúng ta.
-
14:08 - 14:10Chúng ta phải làm chủ công nghệ này,
-
14:10 - 14:12chứ không phải là người hầu của nó.
-
14:12 - 14:15Chỉ mới là khởi đầu kỷ nguyên
của big date -
14:15 - 14:18và thành thật mà nói,
chúng ta không hề giỏi -
14:18 - 14:22trong việc xử lý tất cả các dữ liệu
có thể thu thập. -
14:22 - 14:25Nó không chỉ là vấn đề cho
Cục An ninh Quốc gia. -
14:25 - 14:28Các doanh nghiệp thu thập rất nhiều
dữ liệu và họ cũng lạm dụng nó. -
14:28 - 14:32Chúng ta phải làm tốt hơn và điều này
sẽ tốn nhiều thời gian. -
14:32 - 14:34Nó giống như là thử thách mà
-
14:34 - 14:36người nguyên thủy gặp phải với lửa
-
14:36 - 14:38Đây là một công cụ,
nhưng là một công cụ -
14:38 - 14:44mà nếu không cẩn thận,
sẽ thiêu cháy chúng ta. -
14:44 - 14:47Big data sẽ thay đổi
cách sống, -
14:47 - 14:50cách ta làm việc và
cách ta suy nghĩ. -
14:50 - 14:52Nó sẽ giúp chúng ta quản lý
sự nghiệp của mình -
14:52 - 14:55và dẫn đến cuộc sống
hài lòng và hy vọng, -
14:55 - 14:58hạnh phúc và sức khỏe.
-
14:58 - 15:02Nhưng trong quá khứ, ta
thường nhìn vào công nghệ thông tin -
15:02 - 15:04và chỉ thấy những thứ như,
-
15:04 - 15:06công nghệ, phần mềm,
-
15:06 - 15:08những thứ vật chất.
-
15:08 - 15:11Phải đúc kết lại
cái nhìn của chúng ta, -
15:11 - 15:12nhìn vào thông tin,
-
15:12 - 15:14dù nó không mấy rõ ràng
-
15:14 - 15:18nhưng trong một số khía cạnh
quan trọng hơn rất nhiều. -
15:18 - 15:21Nhân loại cuối cùng cũng có thể
học hỏi từ những thông tin -
15:21 - 15:24mà nó có thể thu thập,
-
15:24 - 15:26như một phần
của cuộc thám hiểm vô tận -
15:26 - 15:29để hiểu về thế giới và vị trí
của chúng ta trong đó, -
15:29 - 15:34và đó là lý do tại sao Big data
là một vấn đề quan trọng. -
15:34 - 15:38(vỗ tay)
- Title:
- Big data (dữ liệu lớn) là dữ liệu tốt hơn
- Speaker:
- Kenneth Cukier
- Description:
-
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.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 15:51
Nhu PHAM edited Vietnamese subtitles for Big data is better data | ||
Nhu PHAM edited Vietnamese subtitles for Big data is better data | ||
Nhu PHAM edited Vietnamese subtitles for Big data is better data | ||
Nhu PHAM edited Vietnamese subtitles for Big data is better data | ||
Nhu PHAM approved Vietnamese subtitles for Big data is better data | ||
Dung Le accepted Vietnamese subtitles for Big data is better data | ||
Dung Le edited Vietnamese subtitles for Big data is better data | ||
Dung Le edited Vietnamese subtitles for Big data is better data |