أود أن أروي لكم عن مباريتين في الشطرنج. الأولى حدثت عام 1997 حيثُ خسر غاري كاسباروف الإنسان أمام ديب بلو - آلة. بالنسبة للكثيرين، كان هذا بمثابة فجر لعهد جديد، حيث تسيطر الآلة على الإنسان. ولكن هانحن ، بعد 20 عاما ،وأعظم تغيير من حيث إرتباطنا بأجهزة الكمبيوتر هو الــ آي باد، وليس هال.
I'd like to tell you about two games of chess. The first happened in 1997, in which Garry Kasparov, a human, lost to Deep Blue, a machine. To many, this was the dawn of a new era, one where man would be dominated by machine. But here we are, 20 years on, and the greatest change in how we relate to computers is the iPad, not HAL.
كانت اللعبة الثانية مباراة حرة للشطرنج عام 2005 حيث استطاع الإنسان والآلة المشاركة سويا كشركاء عوضا عن خصوم -إن اختاروا ذلك. في البداية، كانت النتائج متوقعة. حتى الحاسوب العملاق تعرض للهزيمة من قبل الخبير الكبير الذي كان معه جهاز محمول ضعيف نسبياً. المفاجئة كانت في النهاية. من فاز؟ ليس الخبير الكبير ومعه الحاسوب العملاق، ولكن في الواقع هاويان أمريكيان يستخدمان ثلاثة أجهزة محمولة ضعيفة نسبيا. قدرتهما على التدريب ومعالجة أجهزتهما لاستكشاف متعمق لمواضع معينة تصدت بفعالية للمعرفة المتفوقة للشطرنج للخبراء الكبار والقوة الحاسوبية المتفوقة لخصوم الآخرين. هذه نتيجة مدهشة : رجل عادي وأجهزة عادية يغلبون أفضل رجل، أفضل جهاز. وعلى أي حال، أليس من المفترض أن يكون الرجل ضد الجهاز؟ عوضاً عن ذلك، فالأمر عبارة عن تعاون ،نوع صحيح من التعاون.
The second game was a freestyle chess tournament in 2005, in which man and machine could enter together as partners, rather than adversaries, if they so chose. At first, the results were predictable. Even a supercomputer was beaten by a grandmaster with a relatively weak laptop. The surprise came at the end. Who won? Not a grandmaster with a supercomputer, but actually two American amateurs using three relatively weak laptops. Their ability to coach and manipulate their computers to deeply explore specific positions effectively counteracted the superior chess knowledge of the grandmasters and the superior computational power of other adversaries. This is an astonishing result: average men, average machines beating the best man, the best machine. And anyways, isn't it supposed to be man versus machine? Instead, it's about cooperation, and the right type of cooperation.
كنا نعطي الكثير من الاهتمام إلى رؤية مارفن منسكي للذكاء الاصطناعي على مدى الـ 50 سنة الماضية. إنها رؤية مثيرة بالطبع. تبناها الكثيرون. أصبحت مدرسة الفكر المسيطرة في علوم الحاسب. ولكن مع دخولنا عصر البيانات الكبيرة و أنظمة الشبكات ، والمنصات المفتوحة والتكنولوجيا المضمنة، أود اقتراح أنه حان الوقت لإعادة تقييم رؤية بديلة والتي في الواقع طُورَت في الوقت نفسه تقريبا. إني أتحدث عن رؤية جوزيف كارل روبنت ليكليدر لتعايش الإنسان مع الكمبيوتر، والتي يطلق عليها "زيادة الذكاء"،
We've been paying a lot of attention to Marvin Minsky's vision for artificial intelligence over the last 50 years. It's a sexy vision, for sure. Many have embraced it. It's become the dominant school of thought in computer science. But as we enter the era of big data, of network systems, of open platforms, and embedded technology, I'd like to suggest it's time to reevaluate an alternative vision that was actually developed around the same time. I'm talking about J.C.R. Licklider's human-computer symbiosis, perhaps better termed "intelligence augmentation," I.A.
كان ليكليدر خبيرا في علوم الحاسب وكان لديه أثر عميق على تطور التكنولوجيا والإنترنت. رؤيته كانت لتمكين الإنسان والآلة من التعاون في صنع القرارات والتحكم في المواقف المعقدة من دون الاعتماد غير المرن على البرامج المحددة مسبقا. لاحظوا كلمة "تعاون." يشجعنا ليكليدر ألا نأخذ محمصة ونجعلها بيانات من "ستار تريك" ولكن أن نأخذ إنسانا ونجعله أكثر كفاءة. البشر مذهلون جداً - طريقة تفكيرنا، ونهجنا غير الخطّي ، وإبداعنا، والفرضيات المتكررة، جميعها صعبة إن لم تكن مستحيلة التنفيذ على أجهزة الكمبيوتر. لاحظ ليكليدر ذلك بشكل حدسي، البشر المتفكرون يحددون الأهداف ويصيغون الفرضيات، ويحددون المعايير ويجرون التقييم. بالطبع البشر قدراتهم محدودة ، من نواحي أخرى. نحن سيئون في القياس والحساب والأحجام. نتطلب إدارة مواهب متطورة لمتابعة سير العمل. تنبأ ليكليدر بأن أجهزة الحاسب تستطيع عمل جميع الأعمال الروتينية المطلوبة لإعداد الطريق للأفكار وصناعة القرارات.
Licklider was a computer science titan who had a profound effect on the development of technology and the Internet. His vision was to enable man and machine to cooperate in making decisions, controlling complex situations without the inflexible dependence on predetermined programs. Note that word "cooperate." Licklider encourages us not to take a toaster and make it Data from "Star Trek," but to take a human and make her more capable. Humans are so amazing -- how we think, our non-linear approaches, our creativity, iterative hypotheses, all very difficult if possible at all for computers to do. Licklider intuitively realized this, contemplating humans setting the goals, formulating the hypotheses, determining the criteria, and performing the evaluation. Of course, in other ways, humans are so limited. We're terrible at scale, computation and volume. We require high-end talent management to keep the rock band together and playing. Licklider foresaw computers doing all the routinizable work that was required to prepare the way for insights and decision making.
بهدوء، ودون ضجة إعلامية، استطاع هذا النهج حصد انتصارات عديدة أبعد من لعبة الشطرنج. عملية طي البروتين -موضوع يشارك لعبة الشطرنج التوسعية المذهلة هنالك طرق لطي البروتين أكثرمن عدد الذرات المتواجدة في الكون. هذه مشكلة مغيرة للعالم ذات تداعيات ضخمة على قدرتنا على فهم ومعالجة الأمراض. ولهذه المهمة، القوة الغاشمة لمجال الحاسوب العملاق ببساطة لا تكفي "فولدت" ،هي لعبة صنعها علماء الحاسب، توضح قيمة هذا النهج. هواة غير تقنيين ولا متخصصين في البيولوجيا يلعبون لعبة فيديو حيث يعيدون بصرياً ترتيب بنية البروتين، والسماح للحاسب بإدارة القوات الذرية والتفاعلات وتحديد المسائل الهيكلية. هذا النهج تغلب على الحاسوب العملاق بنسبة 50% من الوقت وتعادل بنسبة 30% من الوقت. فولدت اكتشفت حديثا اكتشافا بارزا ومهما عن طريق فك رموز هيكل فيروس القردة ميسون-فايزر. الأنزيم البروتيني الذي استعصى لأكثر من 10 سنوات تم حله من قبل ثلاثة لاعبين في غضون عدة أيام، قد يكون أول إكتشاف علمي يأتي من خلال لعب لعبة فيديو.
Silently, without much fanfare, this approach has been compiling victories beyond chess. Protein folding, a topic that shares the incredible expansiveness of chess — there are more ways of folding a protein than there are atoms in the universe. This is a world-changing problem with huge implications for our ability to understand and treat disease. And for this task, supercomputer field brute force simply isn't enough. Foldit, a game created by computer scientists, illustrates the value of the approach. Non-technical, non-biologist amateurs play a video game in which they visually rearrange the structure of the protein, allowing the computer to manage the atomic forces and interactions and identify structural issues. This approach beat supercomputers 50 percent of the time and tied 30 percent of the time. Foldit recently made a notable and major scientific discovery by deciphering the structure of the Mason-Pfizer monkey virus. A protease that had eluded determination for over 10 years was solved was by three players in a matter of days, perhaps the first major scientific advance to come from playing a video game.
العام الماضي ،في موقع برجي مركز التجارة العالمي أفتتح النصب التذكاري لـ 9/11. يظهر أسماء آلاف الضحايا مستخدما مفهوما جميلا يدعى "الجوار ذا معنى." يضع الأسماء بجانب بعض بناء على علاقتهم ببعض: أصدقاء أو عوائل أو زملاء. عندما نضع كل ذلك مع بعض فهو تحدي حاسوبي كبير: 3,500 ضحية و 1,800 طلبات جوار وأهمية المواصفات الجسدية الشاملة والجماليات النهائية. عندما تم إعلان ذلك لأول مرة من قبل وسائل الإعلام، تم إعطاء كامل الفضل لهذا الإنجاز إلى خوارزمية من مدينة نيو يورك من شركة تصميم مشاريع محلية .الحقيقة أكثر تفصيلا من ذلك. في حين أنه تم استخدام خوارزمية لوضع الإطار الأساسي، استخدم الإنسان ذلك الإطار لتصميم العمل النهائي. ففي هذه الحالة، قام الكمبيوتر بتقييم ملايين التخطيطات المحتملة وإدارة نظام ترابطي معقد، ومتابعة مجموعة كبيرة من القياسات والمتغيرات بحيث سمحت للبشر بالتركيز على خيارات التصميم والتركيب. فكلما نظرت حولك كلما رأيت رؤية ليكليدر في كل مكان. سواء كانت حقيقة مدمجة في الآي فون الخاص بك أو في نظام الجي بي أس في سيارتك، تعايش الإنسان مع الكمبيوتر تجعلنا أكثر قدرة.
Last year, on the site of the Twin Towers, the 9/11 memorial opened. It displays the names of the thousands of victims using a beautiful concept called "meaningful adjacency." It places the names next to each other based on their relationships to one another: friends, families, coworkers. When you put it all together, it's quite a computational challenge: 3,500 victims, 1,800 adjacency requests, the importance of the overall physical specifications and the final aesthetics. When first reported by the media, full credit for such a feat was given to an algorithm from the New York City design firm Local Projects. The truth is a bit more nuanced. While an algorithm was used to develop the underlying framework, humans used that framework to design the final result. So in this case, a computer had evaluated millions of possible layouts, managed a complex relational system, and kept track of a very large set of measurements and variables, allowing the humans to focus on design and compositional choices. So the more you look around you, the more you see Licklider's vision everywhere. Whether it's augmented reality in your iPhone or GPS in your car, human-computer symbiosis is making us more capable.
إذا كنت تريد تحسين تعايش الإنسان مع الكمبيوتر، ماذا يمكنك أن تفعل؟ تستطيع البدء بإدخال الإنسان بالعملية. عوضا عن التفكير بما سيفعله الحاسب لحل المشكلة، صمم الحل حول ما سيفعله الإنسان أيضا. عندما تفعل ذلك ،ستلاحظ بسرعة أنك أمضيت كل وقتك على الواجهة بين الإنسان والآلة، وعلى وجه التحديد تصميم البعد عن الاحتكاك في التفاعل. في الواقع، هذا الاحتكاك أكثر أهمية من قوة الإنسان أو قوة الآلة في تحديد القدرة الإجمالية. لهذا السبب استطاع اثنان من الهواة مع عدد محدود من الأجهزة المحمولة بسهولة أن يغلبوا الحاسوب العملاق والخبير الكبير. ما يدعوه كاسبروف عملية هو نتيجة ثانوية للاحتكاك. كلما كانت العملية أفضل، كان الاحتكاك أقل. وقد تبين أن تقليل الاحتكاك هو العامل الحاسم.
So if you want to improve human-computer symbiosis, what can you do? You can start by designing the human into the process. Instead of thinking about what a computer will do to solve the problem, design the solution around what the human will do as well. When you do this, you'll quickly realize that you spent all of your time on the interface between man and machine, specifically on designing away the friction in the interaction. In fact, this friction is more important than the power of the man or the power of the machine in determining overall capability. That's why two amateurs with a few laptops handily beat a supercomputer and a grandmaster. What Kasparov calls process is a byproduct of friction. The better the process, the less the friction. And minimizing friction turns out to be the decisive variable.
أو خذ مثالا آخرا: البيانات الكبيرة. كل تفاعل موجود في العالم مسجّل من طرف مجموعة مجسات متكاثرة : هاتفك، بطاقتك الاتمانية، كمبيوترك. النتيجة هي بيانات كبيرة، وهي بالحقيقة تقدم لنا فرصة لفهم دقيق أكثر لوضع الإنسان. التركيز الأكبر لأغلب التوجهات للبيانات الكبيرة تركز على ، "كيف أخزن هذه البيانات ؟ وكيف أبحث في هذه البيانات؟ كيف أعالج هذه البيانات؟ هذه أسئلة مهمة ولكن غير كافية. الضروري ليس أن نعرف كيف نعالج، ولكن ماذا تعالج. كيف يمكن أن توظف حدس اللإنسان على بيانات بهذا المستوى؟
Or take another example: big data. Every interaction we have in the world is recorded by an ever growing array of sensors: your phone, your credit card, your computer. The result is big data, and it actually presents us with an opportunity to more deeply understand the human condition. The major emphasis of most approaches to big data focus on, "How do I store this data? How do I search this data? How do I process this data?" These are necessary but insufficient questions. The imperative is not to figure out how to compute, but what to compute. How do you impose human intuition on data at this scale?
مرة أخرى، نبدأ بتوظيف الإنسان داخل العملية. عندما بدأت شركة "بي بال"، كان أكبر تحدي لديهم ليس "كيف أحول المال عن طريق الانترنت ؟" ولكن " كيف أفعل ذلك من غير احتيال جرائم منظمة؟" لماذا يبدو تحديا كبيرا؟ لأن بينما الكمبيوترات قادرة على تعلُم اكتشاف و معرفة احتيال مبني على أنماط لاتستطيع تعلم نفس الشيء على أنماط لم يسبق لها رؤيتها، والجرائم المنظمة لها عوامل مشتركة مع الحضورهنا : أناس رائعين لديهم امكانيات قوية و روح ريادة الأعمال -(ضحك) و اختلاف كبير ومهم : الهدف ولمدة كانت الحواسيب قادرة على اصطياد كل شيء إلا المحتالين الأكثر ذكاءاً، اصطياد الأذكى هو الاختلاف بين النجاح والفشل
Again, we start by designing the human into the process. When PayPal was first starting as a business, their biggest challenge was not, "How do I send money back and forth online?" It was, "How do I do that without being defrauded by organized crime?" Why so challenging? Because while computers can learn to detect and identify fraud based on patterns, they can't learn to do that based on patterns they've never seen before, and organized crime has a lot in common with this audience: brilliant people, relentlessly resourceful, entrepreneurial spirit — (Laughter) — and one huge and important difference: purpose. And so while computers alone can catch all but the cleverest fraudsters, catching the cleverest is the difference between success and failure.
هناك مستوى كامل من مشكلات كهذه، مشكلات مع الخصوم المتكيفين. هم من النادر جداً ان يواجهوا نمط متكرر ملحوظ لأجهزة الكمبيوتر على العكس، هناك بعض العناصر المتأصلة للابتكار أوالتخريب وبشكل متزايد هذه المشكلات تكون مدفونة في بيانات كبيرة
There's a whole class of problems like this, ones with adaptive adversaries. They rarely if ever present with a repeatable pattern that's discernable to computers. Instead, there's some inherent component of innovation or disruption, and increasingly these problems are buried in big data.
على سبيل المثال، الارهاب. الارهابيون دائماً يتكيفون بطرق بسيطة أو كبيرة لظروف مختلفة، وبخلاف ما تراه على التلفاز، هذه التكيفات والقدرة على كشفهم هي بشكل اساسي إنساني. أجهزة الكمبيوتر لا تكتشف أنماط جديدة وسلوكيات جديدة، ولكن البشر يفعلون. البشر، باستخدام التكنولوجيا ،اختبار الفرضيات يبحثون عن تبصر من خلال طلبهم من الأجهزة أن تفعل أشياء لهم أسامة بن لادن لم يُقبض عليه باستخدام الذكاء الصناعي بل قبض عليه أناس مخلصين ذوي امكانيات و أذكياء بالمشاركة مع تكنولوجيات مختلفة.
For example, terrorism. Terrorists are always adapting in minor and major ways to new circumstances, and despite what you might see on TV, these adaptations, and the detection of them, are fundamentally human. Computers don't detect novel patterns and new behaviors, but humans do. Humans, using technology, testing hypotheses, searching for insight by asking machines to do things for them. Osama bin Laden was not caught by artificial intelligence. He was caught by dedicated, resourceful, brilliant people in partnerships with various technologies.
بقدر ماهو مغري، لا تقدر بطريقة خوارزمية أن تستخرج البيانات لتجد الحل ليس هناك زر " اعثر على ارهابي" ، وكلما كثرت البيانات التي ندمجها من مصادر كثيرة متنوعة خلال أشكال واسعة و مختلفة من أشكال البيانات من من أنظمة مختلفة ، كلما قلت فاعلية تنقيب البيانات. على العكس، اُناس سوف يتوجب عليهم النظر في البيانات والبحث عن دلالات ،وكما تنبأ لكليدر منذ مدة طويلة، المفتاح لنتائج باهرة هنا هو النوع الجيد من التعاون، ومثلما أدرك كاسباروف، هذا يعني تخفيف الاحتكاك في الواجهات.
As appealing as it might sound, you cannot algorithmically data mine your way to the answer. There is no "Find Terrorist" button, and the more data we integrate from a vast variety of sources across a wide variety of data formats from very disparate systems, the less effective data mining can be. Instead, people will have to look at data and search for insight, and as Licklider foresaw long ago, the key to great results here is the right type of cooperation, and as Kasparov realized, that means minimizing friction at the interface.
الآن هذا التوجه يجعل أمور ممكنة مثل البحث في بيانات المتوفرة من مصادر مختلفة، التعرف على علاقات مهمة ووضعها في مكان واحد، شيء لطالما كان أقرب للمستحيل أن يُفعَل سابقاً. للبعض، لهذا الأمر تداعيات مخيفة على الخصوصية و الحريات المدنية. بالنسبة للبعض الآخر، فهذا ينبأ بعصر حيث تكون الخصوصية و الحريات المدنية محمية بشكل أكبر، ولكن الخصوصية والحريات المدنية أمور ذات أهمية أساسية. هذا الشيء يجب أن يُعترف به ولا يُهمّش، حتى مع النوايا الجيدة.
Now this approach makes possible things like combing through all available data from very different sources, identifying key relationships and putting them in one place, something that's been nearly impossible to do before. To some, this has terrifying privacy and civil liberties implications. To others it foretells of an era of greater privacy and civil liberties protections, but privacy and civil liberties are of fundamental importance. That must be acknowledged, and they can't be swept aside, even with the best of intents.
إذا دعونا نستكشف، من خلال بعض الأمثلة، الأثر الذي قامت به التكنولوجيات لدفع التعايش بين الإنسان والحاسوب من وقت قريب.
So let's explore, through a couple of examples, the impact that technologies built to drive human-computer symbiosis have had in recent time.
في أكتوبر 2007، داهمت الولايات المتحدة وقوات التحالف البيت الآمن للقاعدة في مدينة سنجار على الحدود السورية للعراق. وجدوا كنزا من الوثائق: 700 من نسخ لسير ذاتية لمقاتلين أجانب . هؤلاء المقاتلون الأجانب قد تركوا عائلاتهم في الخليج الشام وشمال أفريقيا للالتحاق بالقاعدة في العراق. هذه السجلات كانت استمارات موارد بشرية. المقاتلون الأجانب قاموا بتعبئتها عندما انضموا للمنظمة. تبين أن القاعدة ،أيضاً، ليست خالية من البيروقراطية. (ضحك) قاموا بالإجابة على أسئلة من قبيل :، "من قام بتوظيفك؟" "ما هي بلدتك؟" "ماهي المهنة التي تريدها؟"
In October, 2007, U.S. and coalition forces raided an al Qaeda safe house in the city of Sinjar on the Syrian border of Iraq. They found a treasure trove of documents: 700 biographical sketches of foreign fighters. These foreign fighters had left their families in the Gulf, the Levant and North Africa to join al Qaeda in Iraq. These records were human resource forms. The foreign fighters filled them out as they joined the organization. It turns out that al Qaeda, too, is not without its bureaucracy. (Laughter) They answered questions like, "Who recruited you?" "What's your hometown?" "What occupation do you seek?"
في السؤال الأخير، تم الكشف عن حقيقة مدهشة. الأغلبية الساحقة من المقاتلين الأجانب كانوا يريدون أن يصبحوا انتحاريين جهاديين-- والأمر مهم لدرجة كبيرة،بين عامي 2003 و 2007 تعرض العراق لأزيد من 1328 عملية تفجير انتحاري، وهي أحد العوامل المهمة لعدم الاستقرار هناك. تحليل هذه البيانات كان صعبا. فالنسخ الأصلية كانت مكتوبة بالعربية، التي كان علينا تفحصها وترجمتها . الاحتكاك في هذه العملية لم يسمح لنا بالوصول لنتائج ذات مغزى في الحيز الزمني العملي، بالاستعانة بالإنسان ، ال PDF والمثابرة وحدها. بل كان على الباحثين أن يقرنوا عصارة تفكيرهم بالتكنولوجيا للغوص بشكل أعمق ، واستكشاف الفرضيات غير الواضحة، وبالفعل ظهرت مجموعة من الحقائق. 20 في المائة من المقاتلين الأجانب جاؤوا من ليبيا، 50 في المائة منهم جاؤوا من مدينة واحدة في ليبيا، والأمر الهام جدا هنا ، أنه في احصائيات سابقة كان هذا الرقم في حدود 3 في المائة. والفضل راجع في ارتفاع هذا العدد وتنامي أهمية القاعدة؛ إلى أبو يحيى الليبي ، رجل دين بارز في الجماعة الإسلامية المقاتلة الليبية. في مارس 2007، ألقى خطابا، ارتفعت بعده مشاركة الليبيين ضمن المقاتلين الأجانب.
In that last question, a surprising insight was revealed. The vast majority of foreign fighters were seeking to become suicide bombers for martyrdom -- hugely important, since between 2003 and 2007, Iraq had 1,382 suicide bombings, a major source of instability. Analyzing this data was hard. The originals were sheets of paper in Arabic that had to be scanned and translated. The friction in the process did not allow for meaningful results in an operational time frame using humans, PDFs and tenacity alone. The researchers had to lever up their human minds with technology to dive deeper, to explore non-obvious hypotheses, and in fact, insights emerged. Twenty percent of the foreign fighters were from Libya, 50 percent of those from a single town in Libya, hugely important since prior statistics put that figure at three percent. It also helped to hone in on a figure of rising importance in al Qaeda, Abu Yahya al-Libi, a senior cleric in the Libyan Islamic fighting group. In March of 2007, he gave a speech, after which there was a surge in participation amongst Libyan foreign fighters.
ربما يكون الأمر الأكثر ذكاء، وبالمقابل، الأقل بديهية ، عن طريق تقليب البيانات رأسا على عقب، أن الباحثين كانوا قادرين على استكشاف شبكات الربط في سوريا التي كانت مسؤولة بالنهاية عن استقبال ونقل المقاتلين الأجانب إلى الحدود. كانت تلك عبارة عن شبكات مرتزقة و ليست شبكات ايديولجية، الذين دخلوا في الخط على أساس العمل من أجل الربح. فكانوا على سبيل المثال، يطلبون مالا من المقاتلين الأجانب السعوديين أكثر بكثير من الليبيين ،ذلك المال الذي كان ليذهب للقاعدة إن لم يأخذوه هم. ربما كان الخصم ليعطلوا شبكاتهم الخاصة لو كانوا يعلمون أن من يخونهم هم من الجهاديين .
Perhaps most clever of all, though, and least obvious, by flipping the data on its head, the researchers were able to deeply explore the coordination networks in Syria that were ultimately responsible for receiving and transporting the foreign fighters to the border. These were networks of mercenaries, not ideologues, who were in the coordination business for profit. For example, they charged Saudi foreign fighters substantially more than Libyans, money that would have otherwise gone to al Qaeda. Perhaps the adversary would disrupt their own network if they knew they cheating would-be jihadists.
في عام 2010 ، ضرب زلزال مدمر بقوة 7 درجات جزيرة هايتي، ثالث أخطر زلزال مميت عرفه التاريخ، خلف مليونا، أي 10 في المائة من مجموع سكان البلاد، بلا مأوى. أحد جوانب الإغاثة التي قد تبدو صغيرة بالنظر إلى المجهود الإغاثي الشامل أصبح يكتسب أهمية متزايدة ، مثل توصيل الطعام وتداول المياه. يناير و فبراير هما الشهران الأكثر جفافا في هايتي، ومع ذلك فالعديد من المخيمات كانت بها مياه راكدة. المؤسسة الوحيدة التي تملك معلومات مفصلة عن سهول هايتي الفيضية، قد دمرت بسبب الزلزال، مع مسؤوليها بداخلها. إذن فالسؤال ، ماهي المخيمات الأكثر عرضة للخطر؟ كم عدد الأشخاص في هذه المخيمات، وماهي مواقيت الفيضانات، وبالنظر إلى الموارد والبنيات المحدودة جدا كيف يمكننا تحديد أولوية نقل السكان؟ كانت البيانات متباينة بشكل لا يصدق.وكان الجيش الأمريكي يملك معلومات مفصلة فقط عن جزء صغير من البلاد. كانت هناك بيانات على الانترنت من مؤتمر الأخطار البيئية، بيانات جيو مكانية أخرى، ليست بالمتكاملة. كان الهدف الإنساني هنا، أن نحدد أماكن لنقل الناس بناء على الاحتياجات ذات الأولوية . كان على الحاسوب أن يدمج مجموعات هائلة من المعلومات الجيومكانية معلومات من مواقع التواصل الاجتماعي ،معلومات إغاثية للإجابة عن هذا السؤال. من خلال تنفيذ عملية متفوقة، الأمر الذي كان يتطلب عمل 40 شخصا طوال ثلاثة أشهر أصبح عملا بسيطا يتطلب ثلاثة أشخاص و 40 ساعة عمل،
In January, 2010, a devastating 7.0 earthquake struck Haiti, third deadliest earthquake of all time, left one million people, 10 percent of the population, homeless. One seemingly small aspect of the overall relief effort became increasingly important as the delivery of food and water started rolling. January and February are the dry months in Haiti, yet many of the camps had developed standing water. The only institution with detailed knowledge of Haiti's floodplains had been leveled in the earthquake, leadership inside. So the question is, which camps are at risk, how many people are in these camps, what's the timeline for flooding, and given very limited resources and infrastructure, how do we prioritize the relocation? The data was incredibly disparate. The U.S. Army had detailed knowledge for only a small section of the country. There was data online from a 2006 environmental risk conference, other geospatial data, none of it integrated. The human goal here was to identify camps for relocation based on priority need. The computer had to integrate a vast amount of geospacial information, social media data and relief organization information to answer this question. By implementing a superior process, what was otherwise a task for 40 people over three months became a simple job for three people in 40 hours,
مما يعتبر تتويجا للتعاون بين الانسان و الحاسوب.
all victories for human-computer symbiosis.
مرت 50 سنة على رؤية ليكليدر عن المستقبل، والبيانات تقترح أن علينا أن نكون متحمسين لمعالجة أصعب مشاكل هذا القرن، بتعاون بين الإنسان و الحاسوب معا. شكراً. (تصفيق) (تصفيق)
We're more than 50 years into Licklider's vision for the future, and the data suggests that we should be quite excited about tackling this century's hardest problems, man and machine in cooperation together. Thank you. (Applause) (Applause)