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.
Size iki satranç karşılaşmasından bahsetmek istiyorum. 1997'de olan ilk karşılaşmayı Garry Kasparov Deep Blue isimli makineye karşı kaybetti. Çoğu için bu, insanın makineler tarafından hükmedileceği yeni bir çağın şafağıydı. Ama şimdi burdayız, 20 yıl geçti ve bilgisayarlarla en büyük münasebetimiz Ipad yoluyla. HAL değil. (HAL: Space Odyssey filmindeki akıllı bilgisayar)
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.
İkinci karşılaşma 2005'te seçtikleri takdirde insan ve makinenin rakip yerine ortak olarak beraber girebileceği serbest stil bir satranç turnuvasıydı. Başta, sonuçlar öngörülebilirdi. Bir superbilgisayar bile görece daha zayıf bir bilgisayara sahip bir satranç şampiyonu tarafından yenilebilirdi. Sonuç süpriz oldu. Kim kazandı? Süper bilgisayarlı bir şampiyon değil, üç adet görece zayıf bilgisayar kullanan iki Amerikalı amatör. Onların bilgisayarlarını idare etmedeki, yönlendirmedeki belirli pozisyonları tetkik etmedeki yetenekleri şampiyonların üstün satranç bilgisinin ve diğer rakiplerin üstün sayısal gücünün etkisini verimli bir şekilde yok etti. Bu hayret verici bir sonuçtu: Ortalama insan ortalama makineler, en iyi insan ve en iyi makineleri yeniyordu. Her neyse, bunun 'insan bilgisayara karşı' olması gerekmiyor muydu? Onun yerine, işbirliği oldu. Doğru tür bir işbirliği.
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.
Son 50 yılda Marvin Minsky'nin yapay zeka ile ilgili vizyonuna çok ilgi gösterir olduk. Bu kesinlikle çekici bir vizyon. Çoğu insan bu vizyonu kabul etti. Bilgisayar bilimlerinde hakim bir düşünce tarzı haline geldi Ama büyük veriler, network sistemleri, açık platformlar ve birbirine ilişik teknolojiler çağına girerken artık yaklaşık aynı zamanlarda geliştirilmiş alternatif bir vizyonu değerlendirmenin zamanıdır derim. Bahsettiğim şey J.C.R. Licklider'ın insan-bilgisayar ortak yaşamı belki daha iyi bir isimle "Zeka Takviyesi" I.A.
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.
Licklider teknolojinin ve internetin gelişmesinde derin bir etkisi olan bir bilgisayar bilimi deviydi. Onun vizyonu, bilgisayar ve insana, kararlar vermek ve karmaşık durumları kontrol etmek için önceden belirli programlara katı bir bağımlılık olmadan, işbirliği yapma imkanı vermekti. İşbirliği kelimesini dikkat edin. Licklider bizi bir tost makinesi alıp da Star Trek'teki Data haline getirelim diye teşvik etmiyor ama insanı alıp daha yetkin hale getirmeyi teşvik ediyor. İnsanlar çok ilginç -- nasıl düşündüğümüz, doğrusal olmayan yaklaşımlarımız, yaratıcılığımız tekrarlayan hipotezler. Hepsi de bilgisayarlar için yapabilselerdi bile, çok zor olurdu. Licklider bunu, insanları hedefler koyarken hipotezler hazırlarken, kriterler belirler ve değerlendirmeler yaparken izleyip sezgisel bir şekilde fark etti Tabii ki başka yönlerden de insanlar çok sınırlı. Ölçeklendirmede, hesaplamada ve hacimde berbatız. Rock grubunu bir arada ve çalar vaziyette tutmak için üst düzey bir yetenek yönetimine gereksinim duyuyoruz. Licklider, anlayış ve karar verme yolunu hazırlayacak tüm rutin işlerin bilgisayarlar tarafından yapıldığını öngördü.
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.
Sessizce, çok tantana olmadan bu yaklaşım, satranç alanında zaferler biriktirdi. Satrançla aynı inanılmaz yayılmayı paylaşan protein katlaması konusu-- evrendeki atomların sayısından daha fazla protein katlama yolu var. Hastalıkları anlayıp tedavi etme yetimiz üzerinde devasa etkileri olacak dünyayı değiştirecek bir problem bu. Ve bu görev için, süper bilgisayar alanının kaba kuvveti yeterli değil. Bilgisayar bilimcileri tarafından yaratılan Foldit adlı oyun bu yaklaşımın değerini örnekliyor. Teknik veya biyolog olmayan amatörler bir bilgisayar oyunu oynayarak bir proteinin yapısını görsel olarak yeniden düzenleyip bilgisayarın atom kuvvetlerini ve ilişkilerini yönetmesini sağlayıp yapısal sorunları tanımlıyorlar. Bu yaklaşım süper bilgisayaları %50 oranda yenerken %30 oranda da berabere kaldı Foldit, Mason-Pfizer maymun virüsünün yapısal şifresini çözmek suretiyle kayda değer ve önemli bir bilimsel keşif yaptı. Ne olduğununu saptanmasından 10 yıldan uzun süredir yakayı sıyıran Proteaz enzimi sadece günler içinde, üç oyuncu tarafından çözüldü. Belki de bir bilgisayar oyununundan kaynaklanan ilk büyük bilimsel gelişmeydi bu.
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.
Geçen sene, İkiz Kuleler'in olduğu yerde bir 9/11 anıtı açıldı. Binlerce kurbanın ismini 'anlamlı bitişiklik' dedikleri güzel bir konsept ile sergilediler. İsimleri yanyana ilişkilerine göre dizdiler. Arkadaş, aile, iş arkadaşı Hepsini bir araya getirdiğinizde, bu sağlam bir sayısal mücadele: 3500 kurban, 1800 bitişiklik talebi boydan boya fiziksel özellikler ve nihai olarak estetiğin önemi. Medya tarafından ilk haber yapıldığında bu başarının tüm itibarı New York City'den bir dizayn şirketi olan Local Projects'in br algoritmasına verilmişti. Gerçek ise biraz daha farklıydı. Altta yatan taslağı geliştirmek için algoritma kullanılırken, insanlar da taslağı nihai sonucu almak için kullandı. Yani bu senaryoda, bilgisayar, milyonlarca olası şablonu değerlendirip komplike bir ilişki sistemini yönetti ve çok geniş bir ölçeklendirmenin ve değişkenlerin hesabını tutarak, insanların dizayn ve düzensel seçenekler üzerinde yoğunlaşmasına olanak verdi. Etrafınıza daha çok baktıkça Licklider'ın vizyonuna daha çok rastlıyorsunuz. İster iphone'unuzdaki ister arabanızın GPS'indeki geliştirilmiş gerçeklik olsun insan-bilgisayar ortak yaşamı bizi daha yetkin kılıyor.
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.
Eğer insan-bilgisayar ortak yaşamını ilerletmek istiyorsanız ne yapabilirsiniz? İnsanı sürecin içinde tasarlamakla başlayabilirsiniz. Sorunu çözmek için bilgisayar ne yapar diye düşünmek yerine insanın da yapacaklarının ekseninde çözümü kurun. Bunu yaptığınız zaman, hemen fark edeceksiniz ki tüm zamanınızı, insanla makine arasındaki arayüz üzerinde özellikle de etkileşimdeki sürtüşmeyi kaldırmak için harcamışsınız. Aslında toplam kapasiteyi belirlerken bu sürtüşme insanın gücünden ya da makinenin gücünden daha önemlidir. İşte bu yüzden, birkaç bilgisayarlı iki amatör bir süperbilgisayar ve şampiyonu kolayca yendi. Kasparov'un süreç dediği şey sürtüşmenin bir yan ürünü. Süreç daha iyi oldukça, sürtüşme de azalıyor. Ve sürtüşmeyi minimize etmek belirleyici etken haline geliyor.
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?
Başka bir örneğe bakalım: büyük veri Dünyadaki tüm etkileşimlerlimiz sürekli artan bir sensör dizilimi ile kayıt ediliyor: telefonunuz kredi kartınız, bilgisayarınız. Sonuç devasa bir veri ve bize insanlık halini daha derinden anlamamız için bir fırsat tanıyor. Bu büyük dataya olan çoğu yaklaşımın ana vurgusu şunlara odaklanıyor. "Bu veriyi nasıl depolarım? Bu data içinde nasıl arama yaparım? Bu datayı nasıl işlerim?" Bunlar gerekli ama yetersiz sorular. Zorunluluk nasıl hesaplanacağını bulmak değil neyi hesaplayacağını bulmak. İnsan sezgisini bu ölçüde bir veriye nasıl yüklersin?
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.
Yine, insanı sürecin içinde tasarlamakla başlıyoruz. PayPal ilk işe başladığında, en büyük mücadelesi "Parayı çevrimiçi nasıl sağa sola yollarım?" değildi "Organize suç örgütleri tarafından dolandırılmadan bunu nasıl yaparım"dı. Neden bu kadar zor? Çünkü bilgisayarlar dolandırıcılık kalıplarını tespit edip belirleyebiliyorlar ancak daha önce görmedikleri kalıplarda bunu yapmayı öğrenemiyorlar ve organize suç örgütlerinin seyircileri ile çok ortak yönü var: zeki insanlar, acımasız bir beceri, girişimci bir ruh ve çok büyük ve önemli bir farkı var: amaç Bu yüzden bilgisayarlar her ne kadar tek başlarına en zeki dolandırıcılar dışındakileri yakalayabilseler de, en zeki olanları yakalamak başarı ile fiyasko arasındaki farkı oluşturuyor.
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.
Bu türde uyumsal rakipleri olan çok problem vardır. Çok nadir olarak, o da olursa, bilgisayarlar için ayırt edilebilir tekrar eden bir kalıp gösterirler. Aksine, doğasında bir yenilenme ve bozulma vardır ve bu problemler de artarak büyük verinin içinde gömülüp gitmektedir.
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.
Mesela, terörizm. Teröristerler yeni koşullara küçük ve büyük yollarla adapte olmaktadırlar ve televizyonda gördüklerinizin aksine, bu adaptasyonlar ve bunların belirlenmesi easen insanidir. Bilgisayarlar alışılmamış kalıpları ve yeni davranışları tespit edemezler ama insanlar eder. İnsanlar bunu teknolojiyi kullanarak, hipotezleri test ederek bir içgörü arayarak, makinelerden kendileri için çalışmasını isteyerek yapıyorlar. Osama Bin Ladin yapay zeka ile yakalanmadı. Değişik teknolojilerle ortaklaşa çalışan kendini adamış, becerikli, zeki insanlar tarafından yakalandı.
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.
Kulağa ne kadar cezbedici gelse de cevabı bulmak için algoritmik data madenciliği ile yolunuzu yapamazsınız. "Teröristi Bul" diye bir düğme yoktur ve bambaşka sistemlerden gelen çok çeşitli veri formatları karşısında yine çok çeşitli kaynakları birleştirdiğimizde veri madenciliği de daha az verimli oluyor. Onun yerine insanlar veriye bakacak ve içgörü arayacak, ve Licklider'ın çok önceden öngördüğü gibi burda muazzam sonuçlar için anahtar doğru tür bir işbirliği ve Kasparov'un fark ettiği gibi bu arayüzdeki sürtüşmeyi minimize etmek demek.
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.
Bu yaklaşım değişik kaynaklardan gelen tüm mevcut veriyi taramayı, önemli ilişkileri tanımlamayı onları bir yerde toplamayı mümkün hale getirir ki bu daha önce yapılması imkansıza yakın olan bir şeydi. Bazılarına göre, bunun korkutucu bir gizlilik ve insan hakları imaları var. Diğerlerine göre ise gizlilik ve insan haklarının temel ilke kabul edileceği daha büyük bir gizllik ve insan hakları çağınının habercisi. Bu kabul edilmeli ve en iyi niyetle bile olsa bir yana atılmamalı
So let's explore, through a couple of examples, the impact that technologies built to drive human-computer symbiosis have had in recent time.
O zaman yakın dönemde insan-bilgisayar ortak yaşamını yönetmek için geliştirilmiş teknolojilerin etkileri üzerine bir kaç örneğe bakalım.
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?"
Ekim 2007'de A.B.D. ve koalisyon kuvvetleri Irak'ın Suriye sınırında, Sinjar şehrinde bir El Kaide hücre evine baskın yaptı. Burada bir belge hazinesi buldular: 700 yabancı mücahitin biyografik taslakları. Bu yabancı mücahitler Körfez'deki, Doğu Akdeniz'deki ve Kuzey Afrika'daki ailelerini bırakıp Irak'ta El Kaide'ye katılmışlardı. Bu kayıtlar insan kaynağı formlarıydı. Organizasyona katıldıklarında bizzat mücahitler tarafından doldurulmuşlardı. Görüldü ki El Kaide de bürokrasi kullanmıyor değildi. (gülüşler) Cevap verdikleri sorular şöyleydi: "Sizi kim üye yaptı?" "Memleketiniz neresi", "Ne iş yapmak istiyorsunuz?"
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.
Bu son soruyla şaşırtıcı bir içgörü ortaya çıktı. Bu yabancı mücahitlerin büyük çoğunluğu şehitlik mertebesine ulaşmak için intihar bombacısı olmak istiyordu Bu çok önemliydi çünkü 2003 ve 2007 yılları arasında Irak'ta istikrarsızlığın temel sebebi olan 1382 intihar bombası gerçekleşmişti. Bu verileri analiz etmek zordu. Orjinalleri bilgisayara taranıp tercüme edilmesi gereken Arapça kağıtlar üzerindeydi. Süreçteki sürtüşme, insanları, PDF dosyalarını ve sebatı kullanan bir operasyonel zaman diliminde anlamlı sonuçlar yaratmadı. Araştırmacıların kendi insan zihinlerini teknoloji ile yükseltmeleri gerekti ki daha derine dalabilsinler, belirsiz hipotezleri keşfedebilsinler ve böylece gerçekler su yüzüne çıktı. Yabancı mücahitlerin %20'si Libya'dan, bunların %50'si de Libya'nın tek bir kasabasından Bu çok önemli çünkü önceki istatistikler bu değerin %3 olduğunu söylüyordu. Yine El Kaide'de yükselen bir öneme sahip Libya İslami savaş örgütünden üst düzey bir vaiz olan Abu Yahya al-Libi'ye odaklanmak için yardımcı oldu. Al-Libi, 2007'de akabinde Libya mücahitlerine katılmak için bir galeyan yaratan bir vaaz vermişti.
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.
Belki en zekicesi olarak her ne kadar en az görüneni olsa da, verileri kafalarında ters yüz etmek suretiyle araştırmacılar, Suriye'deki yabancı mücahitlerin kabulü ve ulaşımından nihai sorumlu koordinasyon ağlarını keşfedebildi. Bunlar, ideolojistlerden ziyade para için bu koordinasyon işine girmiş paralı askerlerdi. Mesela, Suudi mücahitlere, Libyalılar'a oranla oldukça fazla fatura kesiyorlardı. Bu para aksi takdirde El Kaide'ye gidecekti. Eğer karşı taraf muhtemel cihadcıları dolandırdıklarını bilselerdi belki de kendi ağlarını kendileri bozucaktı
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,
Ocak 2010'da Haiti 7 büyüklüğünde yıkıcı bir deprem tarafından vuruldu. tüm zamanların üçüncü en ölümcül depremi 1 milyon insanı, nüfusun %10'unu evsiz bıraktı. Bölgeye gıda ve su teslimatı başladığında, bütün yara sarma çabaları içinde küçük görünen bir kısmı artan bir şekilde önemli hale geldi. Haiti'de Ocak ve Şubat ayları yağışsız geçiyor yine kampların çoğu su biriktirebildi. Haiti'nin taşkın yatakları ile ilgili detalı bilgiye sahip tek kurum, yöneticileri de içindeyken deprem sırasında yıkıldı. Şu sorular doğdu, hangi kamplar riskte, bu kamplarda kaç kişi var, sellerin zaman çizelgesi nedir ve çok az kaynak ve alt yapı ile yeniden yerleştirmeyi nasıl önceliklendiririz? Veriler birbirinden tamamen farklıydı. A.B.D ordusunun ülkenin sadece küçük bir kısmı için detaylı bilgisi vardı. 2006 çevresel risk konferansından kalma çevrimiçi veriler vardı ancak diğer coğrafik veriler ise birleştirilmemişti. Burda insanın amacı ihtiyaçları önceliklendirmek suretiyle yeniden yerleşmek için kamplar belirlemekti. Bilgisayarın muazzam büyüklükte bir coğrafik bilgiyi sosyal medya verisini ve yardım organizasyonu bilgisini birleştirmesi lazımdı ki bu soruyu cevaplayabilsin. Daha üstün bir işlem yürürlüğe sokularak, 3 ayda 40 kişinin çalışmasını gerektirecek bir iş, 40 saatte 3 kişinin yapabileceği basit bir işe dönüştü,
all victories for human-computer symbiosis.
burada zafer insan-bilgisayar ortak-yaşamının.
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)
Licklider'ın gelecek vizyonunun 50 yıldan fazla ötesindeyiz ve veriler söylüyor ki bu yüzyılın en zor problemlerini insan ve makine işbirliği ile çözmek için çok heyecanlı olmalıyız. Teşekkürler. (Alkış) (Alkış)