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.
می خواهم با شما درباره ی دو مسابقه ی شطرنج صحبت کنم. اولین مسابقه در سال ۱۹۹۷ برگزار شد، که در آن گری کاسپاروف، یک انسان، در برابر یک برنامهی کامپیوتری به اسم «دیپ بلو» شکست خورد. برای خیلی از مردم، این اتفاق طلوع یک عصر جدید بود، که در آن ماشین ها بر انسان ها حکمرانی می کنند. اما هم اکنون ۲۰ سال سپری شده است، و بزرگ ترین تغییری که رخ داده است، در نحوه ی برقراری ارتباط ما با کامپیوتر ها از طریق آی پد است، نه "هال". (برنامه ی هوشمند کامپیوتری در فیلم "ادیسه ی فضایی")
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.
بازی شطرنج دوم یک مسابقه ی شطرنج آزاد در سال ۲۰۰۵ بود، که در آن انسان و برنامه های کامپیوتری می توانستند اگر می خواستند، به جای حریف، به عنوان همکار همدیگر با هم در بازی شرکت کنند. در ابتدا، نتایج قابل پیش بینی بودند. حتی یک ابرکامپیوتر توسط یک استاد بزرگ به کمک یک لپ تاپ نسبتا ضعیف شکست می خورد. حتی یک ابرکامپیوتر توسط یک استاد بزرگ به کمک یک لپ تاپ نسبتا ضعیف شکست می خورد. اما در نهایت اتفاق عجیبی افتاد. چه کسی برنده شد؟ نه یک استاد بزرگ شطرنج با یک ابرکامپیوتر، بلکه دو شطرنج باز غیر حرفه ای آمریکایی با استفاده از سه لپ تاپ نسبتا ضعیف. توانایی آن ها در مدیریت و تسلط بر کامپیوتر هایشان برای تجزیه و تحلیل عمیق موقعیت های به خصوص، دانش برتر شطرنج استادان بزرگ و قدرت های برتر محاسبه ای کامپیوتری حریفان را شکست داد. دانش برتر شطرنج استادان بزرگ و قدرت های برتر محاسبه ای کامپیوتری حریفان را شکست داد. دانش برتر شطرنج استادان بزرگ و قدرت های برتر محاسبه ای کامپیوتری حریفان را شکست داد. این یک نتیجه گیری شگفت انگیز است: انسان های معمولی، و کامپیوتر های معمولی، برترین اساتید شطرنج و ابرکامپیوتر ها را شکست می دهند. و در هر صورت، این به معنای نبرد انسان ها علیه ماشین ها نیست، بلکه، این یک نوع اتحاد است، یک نوع مناسب از اتحاد.
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.
ما در ۵۰ سال اخیر تمرکز خود را روی دیدگاه ماروین مینسکی نسبت به هوش مصنوعی (متخصص نابغهی هوش مصنوعی) متمرکز کرده ایم. ما در ۵۰ سال اخیر تمرکز خود را روی دیدگاه ماروین مینسکی نسبت به هوش مصنوعی (متخصص نابغهی هوش مصنوعی) متمرکز کرده ایم. این دیدگاه فوق العاده جالب است. خیلی ها از آن استقبال کرده اند. این دیدگاه یکی از برجسته ترین مکاتب فکری در زمینه ی علوم کامپیوتری شده است. اما همچنان که ما به عصر عظیم اطلاعات، و عصر سیستم های شبکه ای، و سیستم عامل های باز، و تکنولوژی های کاربردی وارد می شویم، می خواهم پیشنهاد کنم که در مورد دیدگاه دیگری که در همان زمان در حال انتشار بود تجدید نظر کنید. می خواهم پیشنهاد کنم که در مورد دیدگاه دیگری که در همان زمان در حال انتشار بود تجدید نظر کنید. من در مورد نظریه ی همزیستی انسان و کامپیوتر جی.سی.آر. لیکلایدر صحبت می کنم، که شاید بهتر باشد آن را "بسط دادن هوش" بنامیم.
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.
لیکلایدر یک استاد تمام عیار علوم کامپیوتری بود که تاثیر عمیقی بر روی گسترش تکنولوژی و اینترنت داشت. دیدگاه او در رابطه با توانایی همکاری انسان و ماشین با هم در گرفتن تصمیمات، و کنترل موقعیت های دشوار بدون کمترین وابستگی به برنامه های پیش تنظیم شده بود. و کنترل موقعیت های دشوار بدون کمترین وابستگی به برنامه های پیش تنظیم شده بود. و کنترل موقعیت های دشوار بدون کمترین وابستگی به برنامه های پیش تنظیم شده بود. به کلمهی "همکاری" دقت کنید. لیکلایدر ما را تشویق نمی کند که یک توستر را طوری دستکاری کنیم که از "استار تِرک" اطلاعات بگیرد، (یک سریال تلویزیونی علمی-تخیلی) بلکه باید انسان را توانمند تر کنیم. انسان ها شگفت انگیز هستند -- حداقل خود ما این طور فکر می کنیم، روش های غیر مستقیم ما، خلاقیت ما، فرضیه های بی پایان، همهی چیز هایی که حتی اگر برای کامپیوتر ها ممکن باشند فوق العاده دشوار هستند. فرضیه های بی پایان، همهی چیز هایی که حتی اگر برای کامپیوتر ها ممکن باشند فوق العاده دشوار هستند. لیکلایدر به طور شهودی این قضیه را درک کرد، انسان های متفکری که اهداف را برنامه ریزی می کنند، فرضیه ها را جمع آوری می کنند، معیار ها را مشخص می کنند، و عمل قضاوت را انجام می دهند. البته، از لحاظ بسیاری جنبه های دیگر، انسان ها فوق العاده محدود هستند. ما از لحاظ اندازه گیری، مقایسه و کنترل حجم اطلاعات فوق العاده ضعیف عمل می کنیم. ما به یک مدیریت بسیار قوی توانایی ها احتیاج داریم، تا کارها را هماهنگ کنیم و این پیچیدگی ها را حل کنیم. لیکلایدر ساخته شدن کامپیوترهایی را پیش بینی کرده بود که تمام کارهای متداولی را که برای درک موقعیت و گرفتن تصمیمات لازم بود انجام می دادند.
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.
بدون هیچ گونه سر و صدا و جلب توجهی، این ایده دستاورد های بسیاری فراتر از شطرنج داشت. "تا کردن پروتئین ها"، موضوعی به مراتب مهم تر از شطرنج است -- تعداد روش های تا کردن یک پروتئین از تعداد اتم های موجود در جهان هم بیشتر است. این یک مبحث فوق العاده مهم با تاثیر های گسترده بر روی توانایی ما برای شناسایی و درمان بیماری ها است. این یک مبحث فوق العاده مهم با تاثیر های گسترده بر روی توانایی ما برای شناسایی و درمان بیماری ها است. و برای این کار، قدرت بدون انعطاف ابررایانه ها به تنهایی به هیچ عنوان کافی نیست. "فولد ایت"، یک بازی که توسط دانشمندان رشته ی کامپیوتر طراحی شده است، ارزش این ایده را نشان می دهد. افرادی غیر حرفه ای که نه متخصص کامپیوتر هستند و نه بیولوژیست یک بازی کامپیوتری انجام می دهند که در آن، ساختار ظاهری پروتئین را بازچینی می کنند، و به کامپیوتر اجازه می دهند تا محاسبه ی نیرو های بین اتمی و کنش و واکنش میان آن ها را انجام دهد و آن را از لحاظ ساختاری بررسی کند. این ایده در ۵۰ درصد زمانی که ابرکامپیوتر ها این کار را انجام می دادند، این کار را انجام داد و در مجموع ۳۰ درصد در زمان صرفه جویی شد. "فولد ایت" اخیرا یک کشف علمی بزرگ و قابل توجه از طریق رمزگشایی ساختار ویروس میسون-پی فایزر میمون داشته است. پروتیزی که (نوعی آنزیم) برای بیش از ۱۰ سال غیر قابل شناسایی بود توسط سه بازیکن در طی چند روز حل شد، شاید این اولین دستاورد بزرگ علمی به دست آمده از یک بازی رایانه ای باشد. شاید این اولین دستاورد بزرگ علمی به دست آمده از یک بازی رایانه ای باشد.
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.
سال پیش، در مکانی که برج های دوقلو قرار داشتند، یادبود ۱۱ سپتامبر نصب شد. در آن نام هزاران قربانی آن حادثه با قاعده ی زیبایی به نام "رابطه ی معنادار" نمایش داده شده بود. در آن نام هزاران قربانی آن حادثه با قاعده ی زیبایی به نام "رابطه ی معنادار" نمایش داده شده بود. در آن نام افراد بنا بر رابطه شان با یکدیگر در کنار هم قرار گرفته بود: دوست، نسبت فامیلی، همکار. زمانی که به کل آن نگاه می کردید، یک چالش محاسباتی پیچیده وجود داشت: ۳,۵۰۰ قربانی، ۱,۸۰۰ رابطه میان آن ها را می طلبید، اهمیت مشخصات فیزیکی کلی و زیبایی کار نهایی. زمانی که برای اولین بار از رسانه اعلام شد، اطلاعات کامل برای چنین چالشی به یک الگوریتم از نیویورک سیتی طراحی شده توسط شرکت "پروژه های محلی" داده شد. اما حقیقت در اصل کمی متفاوت است. وقتی یک الگوریتم برای توسعهی چارچوب کار مورد استفاده قرار می گیرد، انسان ها از آن برای طراحی جواب نهایی استفاده می کنند. در این مورد، یک کامپیوتر میلیون ها حالت ممکن را بررسی کرده، یک سیستم پیچیدهی ارتباطی را مدیریت کرده، و یک مجموعه ی عظیم از اندازه گیری ها و متغیرها را جمع آوری می کند، و به انسان اجازه می دهد تا بر روی جنبه های طراحی و هنری کار متمرکز شود. و به انسان اجازه می دهد تا بر روی جنبه های طراحی و هنری کار متمرکز شود. بنابراین هر اندازه شما به پیرامون خود دقت کنید، بیشتر نتایج دیدگاه لیکلایدر را می بینید. این نتایج می توانند بهبود میزان طبیعی جلوه کردن در آیفون یا جی پی اس خودروی شما باشند، همزیستی مسالمت آمیز انسان و کامپیوتر ما را تواناتر می کند.
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.
بنابراین اگر بخواهیم این همزیستی را گسترش دهیم، چه کاری می توانیم انجام دهیم ؟ ما می توانیم با طراحی نقش انسان در این مسیر شروع کنیم. به جای این که به این فکر کنیم که چه کامپیوتری می تواند مشکل را حل کند، باید جواب را بر مبنای چیزی که انسان می تواند انجام دهد طراحی کنیم . اگر این کار را انجام دهیم، به سرعت متوجه می شویم که تمام وقتمان را بر روی نحوهی برقراری ارتباط بین انسان و کامپیوتر صرف کرده ایم، مخصوصا بر روی برطرف کردن تضادهای موجود در نحوه ی برقراری ارتباط. در حقیقت، این تضادها مهم تر از قدرت انسان یا ماشین در تعیین توانایی کلی این دو هستند. در حقیقت، این تضادها مهم تر از قدرت انسان یا ماشین در تعیین توانایی کلی این دو هستند. در حقیقت، این تضادها مهم تر از قدرت انسان یا ماشین در تعیین توانایی کلی این دو هستند. این موضوع دلیل این است که چرا دو شطرنج باز غیرحرفه ای با چند لپ تاپ به راحتی یک ابرکامپیوتر و یک استادبزرگ شطرنج را شکست دادند. چیزی که کاسپاروف به آن تضاد می گوید محصول نامطلوب این روند است. هر قدر این روند بهتر باشد، این تضاد ها کمتر می شوند. و کاهش تضاد ها باعث می شود مقدار تعیین کننده را مشخص کنیم.
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?
یک مثال دیگر می زنم: حجم عظیم اطلاعات. هر گونه عملی که در دنیا انجام می دهیم توسط مجموعه ی در حال گسترشی از سنسور ها ثبت می شود: هر گونه عملی که در دنیا انجام می دهیم توسط مجموعه ی در حال گسترشی از سنسور ها ثبت می شود: تلفن همراه شما، کارت اعتباری شما، کامپیوتر شما. در نتیجه حجم عظیمی از اطلاعات گردآوری می شود، و در حقیقت این اطلاعات به ما این شانس را می دهند تا شرایط انسان را بهتر و عمیق تر درک کنیم. مورد حائز اهمیت در غالب روش های انجام شده روی حجم عظیم اطلاعات تمرکز بر روی این سوالات است، "چگونه این اطلاعات را ذخیره کنم ؟ چگونه در میان این اطلاعات جست و جو کنم ؟ چگونه این اطلاعات را تجزیه و تحلیل کنم ؟" این ها پرسش هایی لازم ولی ناکافی هستند. چیزی که نیاز داریم بدانیم این نیست که بفهمیم چگونه محاسبه کنیم، بلکه این است که چه چیزی را محاسبه کنیم. این که شما چگونه ادراک انسانی را بر این حجم اطلاعات مسلط می کنید ؟ بلکه این است که چه چیزی را محاسبه کنیم. این که شما چگونه ادراک انسانی را بر این حجم اطلاعات مسلط می کنید ؟
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.
مجددا، ما با طراحی جایگاه انسان در این روند شروع می کنیم. وقتی شرکت "پِی پال" (شرکت پرداخت اینترنتی مشهور) اولین عمل اقتصادی خود را شروع کرد، بزرگ ترین دغدغه ی آن ها این نبود که، "چگونه می توانم به صورت اینترنتی پولی را واریز و دریافت کنم ؟" بلکه این بود که "چگونه این کار را بدون کلاهبرداری هکر ها انجام دهم ؟" چرا این مسئله تا این حد چالش برانگیز است ؟ زیرا با این که کامپیوتر ها توانایی یادگیری تشخیص و شناسایی کلاهبرداری را بر اساس الگو های از پیش داده شده را دارند، اما توانایی انجام این کار را در مورد الگو هایی که پیش از این ندیده اند ندارند، و هکر ها هم مانند شما انسان هایی باهوش، فوق العاده توانمند، صاحب روحی کارآفرین - (خنده ی حاضرین) - و هکر ها هم مانند شما انسان هایی باهوش، فوق العاده توانمند، صاحب روحی کارآفرین - (خنده ی حاضرین) - و هکر ها هم مانند شما انسان هایی باهوش، فوق العاده توانمند، صاحب روحی کارآفرین - (خنده ی حاضرین) - و یک تفاوت مهم و خیلی بزرگ هستند : هدف. و با این که کامپیوتر ها می توانند مچ همه ی کلاهبردار ها به غیر از باهوش ترینشان را بگیرند ، و با این که کامپیوتر ها می توانند مچ همه ی کلاهبردار ها به غیر از باهوش ترینشان را بگیرند ، به دام انداختن باهوش ترین فرد تفاوت میان پیروزی و شکست است.
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.
انواع زیادی از این نوع مشکلات وجود دارند، دشمنان تغییرپذیر. آن ها به ندرت از روش های تکراری که توسط کامپیوتر ها قابل شناسایی باشند استفاده می کنند. آن ها به ندرت از روش های تکراری که توسط کامپیوتر ها قابل شناسایی باشند استفاده می کنند. در عوض، یک سری ویژگی های اصلی مربوط به نوآوری یا خرابکاری وجود دارند، و این مشکلات به تدریج در حجم عظیم اطلاعات مدفون می شوند.
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.
به عنوان مثال، تروریسم. تروریست ها همیشه خودشان را در همه گونه شرایطی با محیط وفق می دهند، به عنوان مثال، تروریسم. تروریست ها همیشه خودشان را در همه گونه شرایطی با محیط وفق می دهند، و علیرغم چیزی ممکن است در تلویزیون ببینید، این گونه وفق دادن ها، و تشخیص آنان، در اصل توسط انسان صورت می گیرد. کامپیوتر ها نمی توانند الگو ها و رفتار های جدید را تشخیص دهند، اما انسان ها می توانند. انسان ها، با استفاده از تکنولوژی، احتمالات مختلف را بررسی می کنند، با کمک برنامه های کامپیوتری به دنبال دیدگاه های جدید می گردند. اسامه بن لادن توسط هوش مصنوعی پیدا نشد. او توسط افرادی باهوش، توانمند و زحمتکش و با کمک تکنولوژی های مختلف دستگیر شد.
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.
علیرغم این که این مسئله ممکن است جذاب به نظر برسد، شما نمی توانید به صورت الگوریتمی به جواب برسید. هیچ دکمهی "تروریست را پیدا کن"ی وجود ندارد، و ما هر چقدر اطلاعات از منابع اطلاعاتی مختلف هیچ دکمهی "تروریست را پیدا کن"ی وجود ندارد، و ما هر چقدر اطلاعات از منابع اطلاعاتی مختلف در قالب های متنوعی از اطلاعات از سیستم ها کاملا ناهمخوان اطلاعات جمع آوری کنیم، کمتر می توانیم به صورت موثر به اطلاعات دسترسی پیدا کنیم. در عوض، مردم مجبور خواهند بود به دنبال اطلاعات بگردند و دنبال دیدگاه ها بگردند، و همان طور که لیکلایدر خیلی پیش از این پیش بینی کرده بود، کلید دستیابی به نتیجه های مطلوب در نوع مناسبی از همکاری است، و همان طور که کاسپاروف متوجه شد، این به معنای به حداقل رساندن تضاد ها است.
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.
این روش کار هایی را مانند جست و جو در میان اطلاعات به دست آمده از منابع مختلف، این روش کار هایی را مانند جست و جو در میان اطلاعات به دست آمده از منابع مختلف، شناسایی روابط کلیدی و جمع آوری آن ها را ممکن می سازد، چیزی که تا پیش از این تقریبا غیر ممکن می نمود. به نظر بعضی از افراد، این اتفاق عواقب وحشتناکی برای امنیت اطلاعات و آزادی های اجتماعی دارد. برای باقی افراد این اتفاق آینده ای با امنیت اطلاعات و آزادی های اجتماعی بالاتر را تضمین می کند، برای باقی افراد این اتفاق آینده ای با امنیت اطلاعات و آزادی های اجتماعی بالاتر را تضمین می کند، اما امنیت اطلاعات و آزادی های اجتماعی از مهم ترین ارزش ها هستند. باید عواقب این اتفاق شناسایی شود، و این عواقب چیزی نیست که بتوان از کنار آن ها گذشت، حتی در صورتی که هیچ قصد بدی نداشته باشید.
So let's explore, through a couple of examples, the impact that technologies built to drive human-computer symbiosis have had in recent time.
اجازه بدهید در چند مثال تاثیری که تکنولوژی هایی که برای برقراری روابط انسان و کامپیوتر ساخته شده اند در چند وقت اخیر داشته اند بررسی کنیم، اجازه بدهید در چند مثال تاثیری که تکنولوژی هایی که برای برقراری روابط انسان و کامپیوتر ساخته شده اند در چند وقت اخیر داشته اند بررسی کنیم، اجازه بدهید در چند مثال تاثیری که تکنولوژی هایی که برای برقراری روابط انسان و کامپیوتر ساخته شده اند در چند وقت اخیر داشته اند بررسی کنیم،
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?"
در اکتبر ۲۰۰۷، نیرو های نظامی آمریکا و نیرو های متفق به یک خانه ی تیمی القاعده در شهر سینجار در اکتبر ۲۰۰۷، نیرو های نظامی آمریکا و نیرو های متفق به یک خانه ی تیمی القاعده در شهر سینجار در مرز عراق با سوریه حمله کردند. آن ها یک گنجینهی مدفون از اسناد را کشف کردند: ۷۰۰ شرح زندگی رزمندگان خارجی. این رزمندگان خارجی خانواده هایشان را در خلیج مکزیک، کشور های مجاور دریای مدیترانه و آفریقای شمالی رها کرده بودند تا به القاعده در عراق ملحق شوند. این اسناد مربوط به اطلاعات افراد بود. رزمندگان خارجی پیش از ملحق شدن به سازمان این فرم ها را پر می کردند. پس نتیجه می گیریم که حتی القاعده، کاغذبازی های اداری خودش را دارد. (خنده ی حاضرین) آن ها به پرسش هایی مانند، "چه کسی تو را استخدام کرده است ؟" "شهر محل زندگیت کجاست ؟" "برای سازمان می خواهی چه کاری انجام بدهی ؟" جواب می دادند.
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.
در آخرین پرسش، یک دیدگاه شگفت انگیز کشف شد. غالب رزمندگان خارجی می خواستند عملیات بمب گذاری انتحاری انجام دهند -- این نکته خیلی مهم است، زیرا در بازه ی زمانی سال ۲۰۰۳ تا ۲۰۰۷، عراق ۱٫۳۸۲ مورد عملیات بمب گذاری انتحاری داشته است، که این اصلی ترین عامل بی ثباتی این کشور است. تجزیه و تحلیل این اطلاعات دشوار بود. نسخه ی اصلی این اسناد برگه هایی به زبان عربی بودند که باید اسکن و ترجمه می شدند. تجزیه و تحلیل این اطلاعات دشوار بود. نسخه ی اصلی این اسناد برگه هایی به زبان عربی بودند که باید اسکن و ترجمه می شدند. تضاد های داخل این روش اجازه نمی داد تا نتایج معناداری در یک چارچوب مشخص زمانی با استفاده از منابع انسانی، پی دی اف تضاد های داخل این روش اجازه نمی داد تا نتایج معناداری در یک چارچوب مشخص زمانی با استفاده از منابع انسانی، پی دی اف و پشتکار صرف به دست آید. محققان مجبور شدند برای تمرکز بیشتر ذهن های انسانیشان را با تکنولوژی ارتقاء دهند، برای این که فرضیه های ناملموس را بررسی کنند، و در حقیقت، نتیجه گرفتند. ۲۰ درصد رزمندگان خارجی تبعه ی لیبی بودند، ۵۰ درصد آن ها همگی از یک شهر لیبی آمده بودند، این قضیه فوق العاده حائز اهمیت است چون احتمالات اولیه آن را ۳% حدس زده بود. همین طور این قضیه به جلب شدن توجه به سوی یکی از شخصیت های مهم القاعده، ابو یحیی اللیبی، یک روحانی قدیمی در گروه رزمی اسلامی لیبی کمک کرد. همین طور این قضیه به جلب شدن توجه به سوی یکی از شخصیت های مهم القاعده، ابو یحیی اللیبی، یک روحانی قدیمی در گروه رزمی اسلامی لیبی کمک کرد. همین طور این قضیه به جلب شدن توجه به سوی یکی از شخصیت های مهم القاعده، ابو یحیی اللیبی، یک روحانی قدیمی در گروه رزمی اسلامی لیبی کمک کرد. در ماه مارس سال ۲۰۰۷، او یک سخنرانی ایراد کرد، که پس از آن افزایش چشمگیری در پیوستن رزمندگان لیبی به القاعده مشاهده شد. در ماه مارس سال ۲۰۰۷، او یک سخنرانی ایراد کرد، که پس از آن افزایش چشمگیری در پیوستن رزمندگان لیبی به القاعده مشاهده شد.
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.
شاید از همه هوشمندانه تر، و اگرچه، ناملموس تر از همه، محققان توانستند با ردیابی سرنخ اطلاعات، شبکه های هماهنگ کننده ی سازمان را در سوریه که مسئول نهایی دریافت و انتقال رزمندگان خارجی به سوی مرزها بودند را به خوبی شناسایی کنند. شبکه های هماهنگ کننده ی سازمان را در سوریه که مسئول نهایی دریافت و انتقال رزمندگان خارجی به سوی مرزها بودند را به خوبی شناسایی کنند. شبکه های هماهنگ کننده ی سازمان را در سوریه که مسئول نهایی دریافت و انتقال رزمندگان خارجی به سوی مرزها بودند را به خوبی شناسایی کنند. شبکه هایی از مزدوران - و نه متعصبان تندرو - وجود داشتند، که این کار هماهنگ کردن را به عنوان یک تجارت و برای پول انجام می دادند. به عنوان مثال، آن ها از رزمندگان عربستانی خیلی بیشتر از رزمندگان لیبیایی پول می گرفتند، به عنوان مثال، آن ها از رزمندگان عربستانی خیلی بیشتر از رزمندگان لیبیایی پول می گرفتند، پولی که در اصل باید به القاعده داده می شد. شاید اگر دشمن می فهمید که شبکه های سازمان به جهادی ها (تروریست ها) خیانت می کند، خود، آن شبکه ها را نابود می کرد.
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,
در ژانویه ی ۲۰۱۰، در هایتی یک زلزله ی ۷ ریشتری ویران کننده رخ داد، سومین زمین لرزه ی مرگبار تمام دوران، که یک میلیون نفر، یعنی ۱۰ درصد جمعیت کشور را بی خانمان کرد. سومین زمین لرزه ی مرگبار تمام دوران، که یک میلیون نفر، یعنی ۱۰ درصد جمعیت کشور را بی خانمان کرد. یکی از جنبه های به ظاهر کوچک تلاش های امدادی تامین غذا و آب بود. یکی از جنبه های به ظاهر کوچک تلاش های امدادی تامین غذا و آب بود. یکی از جنبه های به ظاهر کوچک تلاش های امدادی تامین غذا و آب بود. ژانویه و فوریه ماه های خشک هایتی هستند، هنوز خیلی از اردوگاه ها به دنبال افزایش ذخیره ی آبشان بودند. تنها مرکز تحقیقاتی مطلع از زمین های آب گیر هایتی در زمین لرزه ویران شده بود، در حالی که دانشمند مربوطه درون آن بود. تنها مرکز تحقیقاتی مطلع از زمین های آب گیر هایتی در زمین لرزه ویران شده بود، در حالی که دانشمند مربوطه درون آن بود. تنها مرکز تحقیقاتی مطلع از زمین های آب گیر هایتی در زمین لرزه ویران شده بود، در حالی که دانشمند مربوطه درون آن بود. اما سوال این جاست، کدام اردوگاه ها در معرض خطر هستند، چند نفر در این اردوگاه ها هستند، برنامه ی زمان بندی آب گیری ها چگونه است، و این که با منابع و زیربنا های محدود، چگونه انتقال افراد را اولویت بندی کنیم ؟ اطلاعات فوق العاده ناهمخوان بود. ارتش آمریکا تنها اطلاعات مربوط به بخش کوچکی از کشور را داشت. اطلاعاتی مربوط به یک سخنرانی مربوط به حفظ محیط زیست در سال ۲۰۰۶ بر روی اینترنت بود، باقی اطلاعات مربوط به زمین شناسی منطقه بود، و به هیچ عنوان یکپارچه نشده بود. هدف انسان در این جا شناسایی اردوگاه های نیازمند به نقل مکان، بر اساس اولویت نیاز آن ها بود. کامپیوتر مجبور بود حجم عظیمی از اطلاعات مربوط یه زمین شناسی منطقه ای، رسانه ی گروهی و سازمان امدادی را برای پاسخ دادن به این پرسش یکپارچه کند. رسانه ی گروهی و سازمان امدادی را برای پاسخ دادن به این پرسش یکپارچه کند. با عمل کردن به یک روش بهتر، که بدون این روش این کار توسط ۴۰ نفر به مدت سه ماه انجام می شد، توسط سه نفر در عرض ۴۰ ساعت انجام شد،
all victories for human-computer symbiosis.
و این پیروزی متعلق به همکاری انسان و کامپیوتر است.
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)
ما حدود ۵۰ سال است که از دیدگاه لیکلایدر به آینده استفاده می کنیم، و تجربه نشان می دهد که انسان ها و ماشین ها باید با همکاری یکدیگر به حل کردن دشوار ترین مشکلات این قرن بپردازند، و تجربه نشان می دهد که انسان ها و ماشین ها باید با همکاری یکدیگر به حل کردن دشوار ترین مشکلات این قرن بپردازند، و تجربه نشان می دهد که انسان ها و ماشین ها باید با همکاری یکدیگر به حل کردن دشوار ترین مشکلات این قرن بپردازند، سپاسگزارم. (تشویق حاضرین) (تشویق حاضرین)