Big data to lepsze dane

Samosterujące samochody to zaledwie początek. Jaka będzie przyszłość techniki i projektowania napędzanego przez big data? Kenneth Cukier w tej porywającej naukowej prelekcji zarysowuje przyszłość uczenia maszynowego i wiedzy ludzkiej.

Ulubione ciasto Amerykanów to...?

Publiczność: Szarlotka.
Kenneth Cukier: Szarlotka, oczywiście.

Skąd to wiemy?

Dzięki danym.

Patrzymy na sprzedaż w supermarketach,

na sprzedaż 30-centymetrowych
mrożonych ciast.

Szarlotka wygrywa bezapelacyjnie.

Większość sprzedanych ciast
stanowi szarlotka.

Ale kiedy supermarkety zaczęły sprzedawać
mniejsze, 11-centymetrowe ciasta,

szarlotka nagle spadła
na czwarte czy piąte miejsce.

Dlaczego? Co się stało?

Zastanówmy się.

Kiedy kupuje się 30-centymetrowe ciasto,

cała rodzina musi się zgodzić na smak,

a szarlotka jest ich
drugim ulubionym ciastem.

(Śmiech)

Ale gdy kupuje się pojedyncze
11-centymetrowe ciasto,

można wybrać to, na które się ma ochotę.

Można wybrać ciasto,
które lubimy najbardziej.

Mamy więcej danych.

Można dostrzec coś, czego nie było widać,

mając do dyspozycji mniej danych.

Ale większa ilość danych

nie tylko pozwala dostrzec więcej

na temat obserwowanych elementów.

Większa ilość danych pozwala
dostrzec coś nowego.

Pozwala widzieć lepiej.

Pozwala patrzeć w inny sposób.

W tym przypadku umożliwia odkrycie,

jakie jest ulubione ciasto Amerykanów.

Nie szarlotka.

Na pewno każdy z was
słyszał termin "big data".

Pewnie macie już dosyć
słuchania o tych "wielkich danych".

To prawda, że jest sporo
zamieszania wokół tego pojęcia,

a szkoda,

ponieważ big data
to niesamowicie ważne narzędzie,

dzięki któremu społeczeństwo
może się rozwinąć.

W przeszłości analizowało się
małe zbiory danych,

próbowało się wyciągnąć ogólne wnioski.

Teraz mamy więcej danych,

więcej, niż mogliśmy mieć wcześniej.

Okazuje się, że kiedy posiadamy

sporą ilość danych, możemy osiągnąć to,

czego wcześniej nie mogliśmy,
mając dostęp tylko do małej ilości danych.

Big data to ważna i nowa kwestia.

Jakby się nad tym zastanowić,

jedyny sposób,
by nasza planeta poradziła sobie

z globalnymi wyzwaniami,

takimi jak nakarmienie ludności
i zapewnienie opieki medycznej,

dostępność energii i elektryczności
oraz dopilnowanie,

żeby ludzie nie zamienili się w skwarki
z powodu globalnego ocieplenia,

to efektywne wykorzystanie danych.

A więc co jest takiego nowego
w big data? O co chodzi?

Najpierw zastanówmy się,

jaką fizyczną formę
miały kiedyś informacje.

W 1908 roku na Krecie
archeologowie znaleźli gliniany dysk.

Datowali go na rok 2000 p.n.e.,
czyli liczy sobie 4000 lat.

Na dysku znajduje się inskrypcja,
ale nie wiemy, co oznacza.

Jest to niewyjaśniona zagadka,
ale chodzi o to,

że tak właśnie wyglądały
informacje 4000 lat temu.

W ten sposób społeczeństwo przechowywało

i przekazywało sobie informacje.

Społeczeństwo
wcale się tak bardzo nie rozwinęło.

Wciąż przechowujemy informacje na dyskach,

choć teraz możemy przechować ich
więcej niż kiedykolwiek wcześniej.

Wyszukiwanie jest łatwiejsze.
Kopiowanie jest łatwiejsze.

Przekazywanie jest łatwiejsze.
Przetwarzanie jest łatwiejsze.

Możemy również
ponownie wykorzystać te informacje

na sposoby, o jakich nie śniliśmy,

kiedy je zebraliśmy.

W ten sposób dane przeszły

od bycia zasobem
do bycia środkiem płynnym,

od czegoś stacjonarnego i statycznego

do czegoś płynnego i dynamicznego.

W informacji jest swoista płynność.

Dysk znaleziony na Krecie,

i który liczy sobie 4000 lat, jest ciężki,

nie zawiera wielu informacji

i nie można ich zmienić.

Dla porównania wszystkie pliki,

które Edward Snowden zabrał

z Agencji Bezpieczeństwa Narodowego
w Stanach Zjednoczonych,

zmieściły się na karcie pamięci
o wielkości paznokcia

i mogą być przesłane z prędkością światła.

Więcej danych. Więcej.

Mamy tak wiele danych między innymi
dlatego, że zbieramy coraz więcej rzeczy,

o których zawsze zbieraliśmy informacje.

Kolejnym powodem
jest też wykorzystywanie rzeczy,

które zawsze dostarczały informacji,

ale nigdy nie zostały
przetworzone w formie danych,

a teraz przekształcamy je w dane.

Zastanówcie się
na przykład nad lokalizacją.

Weźmy Marcina Lutra.

Gdybyśmy w XVI wieku chcieli wiedzieć,
gdzie jest Marcin Luter,

musielibyśmy za nim cały czas podążać,

pewnie z piórem i kałamarzem,

żeby zapisywać dane.

Teraz zastanówcie się,
jak to wygląda dzisiaj.

Wiecie, że gdzieś,

zapewne w bazie danych
operatora telefonicznego,

znajduje się arkusz kalkulacyjny
albo wpis w bazie danych,

cały czas zbierający informacje o tym,
gdzie się znajdujecie.

Jeżeli macie telefon komórkowy
z systemem GPS,

a nawet jeżeli nie ma tam GPS-u,
może on zbierać informacje o was.

W ten sposób lokalizacja
została przekształcona w dane.

Teraz pomyślcie o kwestii postury,
o sposobie, w jaki teraz siedzicie,

w jaki ty siedzisz,

w jaki ty siedzisz, ty również.

Każdy jest inny i zależy to
od długości nóg

czy kształtu pleców.

Gdybym umieścił powiedzmy 100 sensorów

w każdym z waszych krzeseł,

mógłbym stworzyć indeks
podporządkowany do każdej z osób.

Coś jak linie papilarne,
z tym że nie na palcu.

Co moglibyśmy z tym zrobić?

Badacze w Tokio wykorzystują to

przy tworzeniu urządzeń
zapobiegającym kradzieży samochodów.

Założenie jest takie,
że złodziej siada za kierownicą,

próbuje odpalić samochód,
ale system rozpoznaje,

że za kierownicą siedzi
nieautoryzowany kierowca,

więc silnik musi zgasnąć,

chyba że wpisze się hasło,

by zapewnić samochód,
że możemy prowadzić. Świetnie.

Co by się stało,
gdyby każdy samochód w Europie

posiadał tę technikę?

Co moglibyśmy wtedy zrobić?

Gdybyśmy zebrali te dane,

moglibyśmy zidentyfikować wskaźniki,

które przewidują, że w ciągu
kolejnych pięciu sekund

nastąpi wypadek samochodowy.

Moglibyśmy zebrać dane
o zmęczeniu za kierownicą,

wtedy samochód wyczułby,

że kierowca osuwa się z siedzenia

i automatycznie wiedziałby,
że ma uruchomić alarm.

Kierownica by zawibrowała,
włączyłby się klakson.

Wszystko po to, żeby obudzić kierowcę
i nakazać mu większą ostrożność.

To właśnie możemy osiągnąć,

jeżeli więcej aspektów naszego życia
przekształcimy w dane.

Jaka jest wartość big data?

Zastanówcie się.

Macie więcej informacji.

Możecie osiągnąć więcej niż przedtem.

Jedna z bardziej imponujących dziedzin,
w których wykorzystuje się ten pomysł,

jest uczenie maszynowe.

Uczenie maszynowe
to dziedzina sztucznej inteligencji,

która z kolei jest dziedziną informatyki.

Założenie jest takie,

że zamiast instruować
komputer, co ma robić,

rozwiązujemy problem,
dając komputerowi dane,

z którymi musi sobie sam poradzić.

Łatwo można to zrozumieć,
przyglądając początkom tego zjawiska.

W latach 50. informatyk

pracujący w IBM, Arthur Samuel,
który lubił grać w warcaby,

napisał program komputerowy,
żeby mógł grać z komputerem.

Grał. Wygrywał.

Grał. Wygrywał.

Grał. Wygrywał,

ponieważ komputer znał
wyłącznie dozwolone ruchy.

Arthur Samuel znał coś jeszcze:

znał strategię.

Dlatego napisał podprogram
działający w tle, który miał na celu

po każdym ruchu obliczyć
prawdopodobieństwo tego,

czy dany układ figur będzie prowadzić
do wygranej czy przegranej.

Grał z komputerem. Wygrywał.

Grał z komputerem. Wygrywał.

Grał z komputerem. Wygrywał.

Wtedy Arthur Samuel zostawił komputer,

żeby grał sam ze sobą.

Grał sam ze sobą, zbierał więcej danych.

Zbierał jeszcze więcej danych,
zwiększał dokładność przewidywań.

Potem Arthur Samuel wrócił do komputera,

żeby z nim zagrać - i przegrał.

Grał i przegrywał,

grał i przegrywał.

W ten sposób Arthur Samuel
stworzył maszynę,

która przewyższała jego umiejętności

związane z zadaniem,
którego sam ją nauczył.

Ten sposób uczenia się maszyn
jest wdrażany wszędzie.

Jak myślicie, skąd się wzięły
samosterujące samochody?

Czy jako społeczeństwo zyskujemy jakoś,

wgrywając zasady ruchu drogowego
do oprogramowania?

Nie. Pamięć jest tańsza. Nie.

Algorytmy są szybsze. Nie.
Procesory są lepsze. Nie.

To wszystko ma znaczenie,
ale nie stanowi głównego powodu.

Chodzi o to, że zmieniliśmy
istotę problemu.

Początkowo chcieliśmy bezpośrednio

wyjaśnić komputerowi, jak ma jeździć,
z kolei teraz stwierdzamy:

"Masz tu masę danych z otoczenia pojazdu.

Sam rozpoznaj światło sygnalizacyjne,

że światło jest czerwone, a nie zielone,

że trzeba się wtedy zatrzymać,

a nie jechać dalej".

Uczenie maszynowe
leży u podstaw wielu rzeczy w sieci,

takich jak wyszukiwarki internetowe,

algorytm personalizujący Amazona,

tłumaczenie komputerowe,

systemy rozpoznawania głosu.

Badacze przyglądają się ostatnio
kwestii biopsji,

biopsji nowotworów.

Kazali komputerowi zidentyfikować,

za pomocą danych
i współczynników przeżycia,

czy badane komórki
są faktycznie komórkami nowotworowymi.

Kiedy przepuszczono dane
przez algorytm uczenia maszynowego,

maszyna była w stanie zidentyfikować

12 wyznaczników, które wskazywały na to,

że dane komórki pobrane z piersi
są nowotworowe.

Jest jednak problem,

mianowicie medycyna znała tylko dziewięć.

Na trzy pozostałe nie zwracano uwagi,

ale maszyna je znalazła.

Oczywiście istnieje też
ciemna strona big data.

Dane pomagają w życiu, jednak są problemy,

których musimy być świadomi.

Pierwszy z nich wiąże się z tym,

że możemy być karani z powodu przewidywań.

Policja może używać big data
do swoich celów,

tak jak w "Raporcie mniejszości".

Tutaj chodzi o "predictive policing",

czyli kryminologię algorytmiczną.

Jeżeli zbierzemy dużo danych

o tym, gdzie popełniane były zbrodnie,

będziemy wiedzieli, gdzie wysyłać patrole.

Ma to sens, natomiast problem
polega na tym, że nie będzie to zawężone

do danych na temat lokalizacji,

ale także wskazywać jednostki.

Dlaczego nie użyć danych
dotyczących czyichś wyników w nauce?

Może powinniśmy uwzględnić fakt,

że ktoś jest bezrobotny
czy posiada zdolność kredytową,

jak zachowuje się w internecie,
czy późno kładzie się spać.

Opaska fitness, gdy zacznie
monitorować procesy biochemiczne,

będzie mogła wykazać,
że ktoś ma agresywne skłonności.

Powstaną algorytmy zdolne przewidzieć,

co mamy zamiar zrobić

i uznać osobę za winną,
zanim cokolwiek uczyni.

Prywatność była głównym wyzwaniem

przed erą big data.

W erze big data

wyzwaniem będzie ochrona wolnej woli,

moralnego wyboru, podejmowania decyzji,

sprawczości.

Istnieje kolejny problem.

Big data zabiorą nam pracę.

Big data i algorytmy zagrożą

białym kołnierzykom,
pracownikom umysłowym w XXI wieku,

w ten sam sposób,
w jaki zautomatyzowanie produkcji

i linie produkcyjne
zagroziły niebieskim kołnierzykom,

czyli robotnikom, w XX wieku.

Pomyślcie o laborancie,

który bada przez mikroskop
materiał z biopsji,

żeby ocenić, czy są to
komórki nowotworowe.

Ta osoba kształciła się na uniwersytecie,

kupuje nieruchomości,

głosuje,

wnosi wkład do społeczeństwa.

I praca tej osoby,

podobnie jak praca całego sztabu
podobnych specjalistów,

może ulec drastycznej zmianie,

bądź też stać się całkowicie zbędna.

Wyobrażamy to sobie tak,

że technika z czasem
stworzy miejsca pracy,

po chwilowych zawirowaniach.

To prawda, jeśli myślimy w kategoriach

zmian w czasach rewolucji przemysłowej,

gdzie nastąpiło dokładnie coś takiego.

Ale o czymś zapominamy,

mianowicie są pewne zawody,

które znikną i już nigdy nie powrócą.

Rewolucja przemysłowa
uderzyła w pozycję koni na rynku pracy.

Dlatego musimy być ostrożni

i dostosować big data do naszych potrzeb,

naszych ludzkich potrzeb.

Musimy być panami tej techniki,

nie jej sługami.

Jesteśmy na samym początku ery big data

i szczerze powiedziawszy,
nie radzimy sobie zbyt dobrze

z danymi, które jesteśmy w stanie zebrać.

Nie jest to tylko wyzwanie
dla Agencji Bezpieczeństwa Narodowego.

Przedsiębiorstwa również zbierają dane
i niewłaściwie ich używają.

Musimy się poprawić,
a to będzie wymagało czasu.

Jest to podobne do wyzwania,
jakie w prehistorii stanowił ogień.

To narzędzie jest w stanie nas spalić,

jeżeli nie będziemy ostrożni.

Big data zmienią nasze życie,
pracę, nasze myślenie.

Pomogą nam kierować swoją karierą

i prowadzić satysfakcjonujące życie,

pełne nadziei, szczęścia i zdrowia.

Natomiast w przeszłości
patrzyliśmy na technikę informacyjną,

widząc tylko literę T,

technikę, sprzęt,

ponieważ to było coś fizycznego.

Teraz musimy zacząć patrzeć na literę I,

informację, która jest mniej namacalna,

ale w pewnym sensie istotniejsza.

Ludzkość w końcu może
czerpać wiedzę z informacji,

które jest w stanie zebrać,

w ramach naszej ponadczasowej misji,

by zrozumieć świat i nasze w nim miejsce,

dlatego big data to poważna sprawa.

(Brawa)