ビッグデータにどう向き合うべきか?
-
0:01 - 0:04科学技術は多くをもたらしてくれました
-
0:04 - 0:07月面着陸 インターネット
-
0:07 - 0:09ヒトゲノム配列の解析などです
-
0:09 - 0:13ですが 私たちの奥深くにある
恐怖の多くにも それは入り込んでいます -
0:13 - 0:15およそ30年ほど前
-
0:15 - 0:17文化批評家のニール・ポストマンは
-
0:17 - 0:19"Amusing Ourselves to Death"
という著作で -
0:19 - 0:22このことを的確に述べました
-
0:22 - 0:24彼はこの著作において
-
0:24 - 0:26ジョージ・オーウェルとオルダス・ハクスリーの
-
0:26 - 0:30ディストピア (反ユートピア) 思想を比べて
こう書きました -
0:30 - 0:33「オーウェルは私たちが
-
0:33 - 0:35囚われの身になる文化を恐れた
-
0:35 - 0:39ハクスリーは私たちが
取るに足らないことに耽溺する文化を恐れた -
0:39 - 0:41オーウェルは真実が
-
0:41 - 0:43私たちから隠蔽されることを恐れ
-
0:43 - 0:45ハクスリーは私たちが無関心の海で
-
0:45 - 0:48溺れ死ぬことを恐れた」
-
0:48 - 0:50要するに
-
0:50 - 0:52「ビッグ・ブラザー」 に監視されるか
-
0:52 - 0:55「ビッグ・ブラザー」を監視するかの
どちらかということです -
0:55 - 0:57(笑)
-
0:57 - 0:59でも そうでなくともよいのです
-
0:59 - 1:02私たちはデータや技術を
受け身で消費するだけではありません -
1:02 - 1:04生活において
データや技術が果たす役割や -
1:04 - 1:07その意味を見出す方法を
私たちが形作るのです -
1:07 - 1:08しかし そのためには
-
1:08 - 1:12コード化の方法と同じくらいに
-
1:12 - 1:14考え方にも注意を向けねばなりません
-
1:14 - 1:17物を数えるだけでなく
さらにそれを理解するために -
1:17 - 1:19難解な問いを
-
1:19 - 1:21投げかけねばなりません
-
1:21 - 1:24私たちは世界に
どれ位のデータがあるか -
1:24 - 1:26常に聞かされていますが
-
1:26 - 1:28ビッグデータや
-
1:28 - 1:30それを読み解く難解さとなると
-
1:30 - 1:32量だけがすべてではありません
-
1:32 - 1:35データが動く速さも問題になりますし
-
1:35 - 1:37データには様々な種類があります
-
1:37 - 1:40ごくわずかな例を挙げると
-
1:40 - 1:42画像
-
1:42 - 1:46文章
-
1:46 - 1:48映像
-
1:48 - 1:50音声などです
-
1:50 - 1:53これら別々の種類のデータに
共通しているのは -
1:53 - 1:55これらは人の手で作られ
-
1:55 - 1:58文脈を必要としているということです
-
1:58 - 2:00さて イリノイ大学シカゴ校出身の
-
2:00 - 2:02データ科学者のグループがあります
-
2:02 - 2:05このグループは
ヘルス・メディア・コラボラトリーと呼ばれ -
2:05 - 2:08米国疾病管理センターと一緒に仕事をし
-
2:08 - 2:09人々が
-
2:09 - 2:12禁煙についての言い表し方や
-
2:12 - 2:15電子タバコについての言い表し方
-
2:15 - 2:17禁煙を促すために協力しあえることを
-
2:17 - 2:19より良く理解するよう努めました
-
2:19 - 2:21興味深いことに 人がどのように
-
2:21 - 2:23喫煙について話しているかを
理解するにはまず -
2:23 - 2:25「smoking (吸う)」という語で
-
2:25 - 2:27どんな意味が表されているかを
理解せねばなりません -
2:27 - 2:31ツイッター上には
4つの主なカテゴリーがあります -
2:31 - 2:341つ目 タバコを「吸う」
-
2:34 - 2:372つ目 マリファナを「吸入する」
-
2:37 - 2:403つ目 リブ肉を「いぶす」
-
2:40 - 2:434つ目 「煙が出るほどホットな」イケてる女
-
2:43 - 2:46(笑)
-
2:46 - 2:49電子タバコについて
どのように話されているかは -
2:49 - 2:51その上で考えてみなければなりません
-
2:51 - 2:53これには 非常に様々な例が見られます
-
2:53 - 2:55スライドからもおわかりのように
-
2:55 - 2:58これは複雑な問いなのです
-
2:58 - 3:01このことで思い出すのは
-
3:01 - 3:04言語は人々によって作られたものであり
-
3:04 - 3:06人間は厄介かつ複雑なもので
-
3:06 - 3:09比喩やスラングや隠語を
使うものだということ -
3:09 - 3:12そしてそれを人間は毎日24時間
多くの言語で行い続けており -
3:12 - 3:15理解するやいなや
その言葉自体を変えてしまうことです -
3:15 - 3:20では 米国疾病管理センターが出した
-
3:20 - 3:23喉に穴が開いた女性を
映し出すこのテレビ広告は -
3:23 - 3:25非常に描写が露骨で
-
3:25 - 3:27気持ちの良いものではありませんが
-
3:27 - 3:29この広告は実際に禁煙するように
-
3:29 - 3:31人々を促したのでしょうか?
-
3:31 - 3:35ヘルス・メディア・コラボラトリーは
データの限界を認めてはいますが -
3:35 - 3:37その結論によると
-
3:37 - 3:40あなた方も見たことがあるかもしれない
これらの広告によって -
3:40 - 3:42将来の行動が
-
3:42 - 3:44影響されるかもしれないような
-
3:44 - 3:48思考プロセスに
人々を導いたのだそうです -
3:48 - 3:52私がこのプロジェクトについて
感心し 評価するのは -
3:52 - 3:53人間の現実的な必要性に
基づいている などの事実面はさておき -
3:53 - 3:57人間の現実的な必要性に
基づいている などの事実面はさておき -
3:57 - 4:00これが無関心の海に真っ向から
立ち向かう勇気を示す -
4:00 - 4:05素晴らしい例であるということです
-
4:05 - 4:08一方 理解が難しいのは
ビッグデータだけではないのです -
4:08 - 4:11なぜなら 考えてもみてください
-
4:11 - 4:13私たち人間は データの大小にかかわらず
-
4:13 - 4:16それを台無しにしてしまった
豊かな歴史を -
4:16 - 4:17有しているではありませんか
-
4:17 - 4:21何年も前に
ロナルド・レーガン元大統領が -
4:21 - 4:24このように述べて厳しく批判されたことを
-
4:24 - 4:25皆さんも覚えているかもしれません
-
4:25 - 4:29「事実とは馬鹿げたものである」と
-
4:29 - 4:31これは言い間違いでした
公平を期すなら ですが -
4:31 - 4:34彼はジョン・アダムズが
-
4:34 - 4:36ボストン虐殺事件裁判において
イギリス人兵士の弁護で述べた -
4:36 - 4:40「事実とは確固たるものである」を
引用したつもりだったのです -
4:40 - 4:42しかし このレーガンの言い間違いは
-
4:42 - 4:46偶然ながらも 一理あると私は思います
-
4:46 - 4:48なぜなら 事実は確固たるものですが
-
4:48 - 4:51時に 馬鹿げてもいるからです
-
4:51 - 4:53これが 私にとってなぜ重要なのか
-
4:53 - 4:57個人的なお話をしたいと思います
-
4:57 - 4:59ひと息つかせてください
-
4:59 - 5:02息子のアイザックは 2歳の時に
-
5:02 - 5:04自閉症の診断を受けました
-
5:04 - 5:07彼はにこにこして 愉快で
-
5:07 - 5:09愛情深く 優しい男の子でしたが
-
5:09 - 5:12彼の発育評価についての測定基準が
-
5:12 - 5:14着目したのは 話せる言葉の数や―
-
5:14 - 5:17これは当時 ゼロでした―
-
5:17 - 5:21意思疎通を図る身振り
アイコンタクトなどであったため -
5:21 - 5:23彼の発育レベルは
-
5:23 - 5:279か月の赤ちゃん程度でした
-
5:27 - 5:30この診断は事実からすれば
正しいものでしたが -
5:30 - 5:33全体像を語ってはいませんでした
-
5:33 - 5:35およそ1年半後
-
5:35 - 5:37アイザックがもうすぐ4歳になる頃
-
5:37 - 5:39私は ある日
彼がコンピュータの前で -
5:39 - 5:45グーグル画像検索で
女性を検索しているのを見つけました -
5:45 - 5:48「w-i-m-e-n」というつづりで です
-
5:48 - 5:51過干渉な親がそうするように 私も
-
5:51 - 5:53「前のページに戻る」ボタンをクリックし
-
5:53 - 5:56他に何を検索していたのか知ろうとしました
-
5:56 - 5:58他の検索は 順番に「男性」
-
5:58 - 6:06「学校」 「バス」 そして「コンピュータ」でした
-
6:06 - 6:08私は呆気にとられました
-
6:08 - 6:10アイザックがスペルを知っているとも
-
6:10 - 6:12ましてや読めるとも知らなかったのです
-
6:12 - 6:14そこで息子に訊きました
「どうやったの?」 -
6:14 - 6:16アイザックは私を真剣に見て 言いました
-
6:16 - 6:20「ボックスに文字をタイプしたんだ」
-
6:20 - 6:23彼は自分で意思疎通の仕方を
学んでいたのに -
6:23 - 6:26私たちは誤った部分に
目を向けていたのです -
6:26 - 6:29そして こういったことが起こるのは
-
6:29 - 6:31査定や分析が ある測定基準―
-
6:31 - 6:34ここでは 言語による意思疎通―
を過大評価して -
6:34 - 6:39創造的問題解決能力のような
他の基準を過小評価する場合です -
6:39 - 6:42アイザックにとって
他者との意思疎通は難しいので -
6:42 - 6:44彼は自分に必要なことを知るための
-
6:44 - 6:47別の方法を見つけたのです
-
6:47 - 6:48考えてみれば 合点がいきますね
-
6:48 - 6:51質問文を構成するのは
-
6:51 - 6:53実に複雑なプロセスですが
-
6:53 - 6:56アイザックは検索ボックスに
単語を入れるだけで -
6:56 - 7:00自力で答えにたどり着けるのです
-
7:00 - 7:03この些細な瞬間が
-
7:03 - 7:05私と家族に
-
7:05 - 7:07大きな影響を与えました
-
7:07 - 7:10なぜなら これが
アイザックに何が起こっているのかを -
7:10 - 7:12把握する方法を変えてくれたからです
-
7:12 - 7:15心配もほんの少し和らぎ
-
7:15 - 7:17彼の能力を
より理解できるようになりました -
7:17 - 7:20事実とは馬鹿げたものなのです
-
7:20 - 7:23また事実は意図的 あるいは無意図的に
-
7:23 - 7:24誤用されやすいものです
-
7:24 - 7:27私には エミリー・ウィリンガムという
科学者の友人がいますが -
7:27 - 7:30彼女は最近フォーブス誌に
-
7:30 - 7:32「自閉症と関連付けられてきた
10のおかしな事」 -
7:32 - 7:34という記事を書きました
-
7:34 - 7:37これは 結構なリストです
-
7:37 - 7:40何でもインターネットのせいにされます ねえ?
-
7:40 - 7:44もちろん 母親も入っています
-
7:44 - 7:46実は もっとあります
-
7:46 - 7:49この「母親」のカテゴリーの中に
色々とあるのです -
7:49 - 7:54色々な要素の入った
興味深いリストでしょう? -
7:54 - 7:56私が好きなのは
-
7:56 - 8:00「妊娠中 高速道路のそばで
暮らしていた」ですね -
8:00 - 8:01最後のも興味深いです
-
8:01 - 8:04「冷蔵庫のような母親」という言葉は
-
8:04 - 8:07自閉症の原因に関する
-
8:07 - 8:08元々の仮説からきており
-
8:08 - 8:11冷徹で愛情が薄い人という意味でした
-
8:11 - 8:13ここで こう考えるかもしれませんね
-
8:13 - 8:14「わかった データを測定してしまえば
-
8:14 - 8:16どんな意味づけも可能と言うんだろう」
-
8:16 - 8:21確かに 全くその通りですが
-
8:21 - 8:26難しいのは
-
8:26 - 8:29私たちは その意味を作り出す機会を
-
8:29 - 8:31自らに与えられていることです
-
8:31 - 8:37データ自身ではなく
私たちが意味を作るのです -
8:37 - 8:40ビジネスパーソンとして
消費者として -
8:40 - 8:42患者として 市民として
-
8:42 - 8:45私たちには より多くの時間を使って
-
8:45 - 8:47批判的に考える能力を
-
8:47 - 8:50鍛える責任があります
-
8:50 - 8:51なぜかって?
-
8:51 - 8:54なぜなら 何度も耳にしてきたように
-
8:54 - 8:56有史以来 今やものすごい速さで
-
8:56 - 8:58何エクサバイトものデータを
-
8:58 - 9:00私たちは処理することができるからです
-
9:00 - 9:03そして 間違った判断を
-
9:03 - 9:05より速く 効率的に下し
-
9:05 - 9:10これまでにないほどの影響を及ぼす
可能性があるからです -
9:10 - 9:12すごいと思いませんか?
-
9:12 - 9:15ですから 私たちがすべきなのは
-
9:15 - 9:17時間をもう少し
-
9:17 - 9:20人文学や
-
9:20 - 9:23社会学 社会科学―
-
9:23 - 9:26修辞学や哲学 倫理学などに費やすことです
-
9:26 - 9:28これらがビッグデータに
重要な文脈を与えてくれ -
9:28 - 9:31より批判的な考え方が
-
9:31 - 9:33できるようにしてくれるからです
-
9:33 - 9:38結局のところ
特定の議論の中に存在する問題を -
9:38 - 9:40見つけることができれば
-
9:40 - 9:43それが言葉で表されようと
数字で表されようと関係ないのですから -
9:43 - 9:46つまり
-
9:46 - 9:50確証バイアスや誤った相関関係を
-
9:50 - 9:52自ら見つけ出し
-
9:52 - 9:54感情に露骨に訴えるようなやり方を
-
9:54 - 9:5630m手前で見抜けるようにするのです
-
9:56 - 9:58なぜなら 何かがある出来事の後に
起こったからといって -
9:58 - 10:01必ずしも関連があるとは限らないからです
-
10:01 - 10:03ちょっと 小難しいことを言えば
-
10:03 - 10:08ローマ人はこう言い表しました
「post hoc ergo propter hoc」 -
10:08 - 10:11「後に起きた ゆえにそれが原因なり」
という前後即因果の誤謬です -
10:11 - 10:15つまり 人口統計学のような
学問を疑問に付すことになります -
10:15 - 10:17なぜかって?
なぜなら 人口統計学は -
10:17 - 10:20私たちの実際の考えや行動ではなく
-
10:20 - 10:21性別や年齢
-
10:21 - 10:24住む場所による推定に基づいているからです
-
10:24 - 10:26それから データを取得した以上は
-
10:26 - 10:29適切な個人情報保護や
-
10:29 - 10:33消費者の意思を汲んで
これを扱わねばなりません -
10:33 - 10:36さらには 私たちは
-
10:36 - 10:38自身の仮説や用いる方法論
-
10:38 - 10:41そして結果の確実性について
-
10:41 - 10:43明確でなければなりません
-
10:43 - 10:46私の高校の代数の先生は
よくこう言っていました -
10:46 - 10:47「計算過程を明らかにしなさい
-
10:47 - 10:51君が踏んだ過程がわからなければ
-
10:51 - 10:53どの手順を
踏まなかったのかわからないし -
10:53 - 10:55君がどんな問いを立てたのかが
わからなければ -
10:55 - 10:58どんな問いを
立てなかったかがわからないからね」 -
10:58 - 11:00それは最も難しい問いを
-
11:00 - 11:01自らに投げかけることなのです
-
11:01 - 11:05このデータは本当に
このことを示しているのか? -
11:05 - 11:07それともこの結果が 私たちをもっと
-
11:07 - 11:11成功しているとか 心地よく
感じさせてくれるだけなのか? と -
11:11 - 11:14ヘルス・メディア・コラボラトリーは
-
11:14 - 11:15プロジェクトの終わりに
-
11:15 - 11:19あの非常に露骨で不快な
禁煙推奨広告に関する -
11:19 - 11:21ツイートの87パーセントが
-
11:21 - 11:25恐れを表していたことが
わかったといいます -
11:25 - 11:27しかし 彼らは
-
11:27 - 11:30「広告が実際に人々を禁煙に導いた」
と結論付けていましたか? -
11:30 - 11:33答えはノーです
これは科学であり 魔法ではないのです -
11:33 - 11:36ですから データの力を
-
11:36 - 11:39解き放つのであれば
-
11:39 - 11:42私たちは必ずしも
オーウェルの思い描いたような -
11:42 - 11:45全体主義的な未来や
-
11:45 - 11:49ハクスリーの描いたような
些末な事柄に溺れる未来 あるいは -
11:49 - 11:52両者を折衷したおぞましい未来に
盲目的に突き進まずに済むのです -
11:52 - 11:54私たちがすべきなのは
-
11:54 - 11:57批判的な思考に敬意を払い
-
11:57 - 11:59ヘルス・メディア・コラボラトリーのような
前例からインスピレーションを得ることです -
11:59 - 12:01ヘルス・メディア・コラボラトリーのような
前例からインスピレーションを得ることです -
12:01 - 12:04そして ヒーローものの映画に
よくあるように -
12:04 - 12:05私たちの力を善きものに使いましょう
-
12:05 - 12:08ありがとうございました
-
12:08 - 12:10(拍手)
- Title:
- ビッグデータにどう向き合うべきか?
- Speaker:
- スーザン・エトリンガー
- Description:
-
あるデータのおかげで、心地よい気持ちになれますか?より成功していると感じることができますか?だとしたら、あなたのそのデータの解釈は間違っている可能性が高いでしょう。この驚くほど心を揺さぶられるトークで、スーザン・エトリンガーは、より多くのデータを手にすればするほどに私たちの批判的に考える能力もまた深められなければならない理由を説明してくれます。なぜなら、単に物を数えるところを超えて、それらを本当に理解するところまで到達するのは、とても難しいのです。
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:23
Helene Batt edited Japanese subtitles for What do we do with all this big data? | ||
Natsuhiko Mizutani approved Japanese subtitles for What do we do with all this big data? | ||
Naoko Fujii accepted Japanese subtitles for What do we do with all this big data? | ||
Naoko Fujii edited Japanese subtitles for What do we do with all this big data? | ||
Naoko Fujii edited Japanese subtitles for What do we do with all this big data? | ||
Naoko Fujii edited Japanese subtitles for What do we do with all this big data? | ||
Naoko Fujii edited Japanese subtitles for What do we do with all this big data? | ||
Naoko Fujii edited Japanese subtitles for What do we do with all this big data? |