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.
Tôi muốn kể cho các bạn nghe về hai ván cờ. Ván cờ thứ nhất vào năm 1997, trong ván cờ này Garry Kasparov - một con người, đã thua Deep Blue - một cái máy. Đối với nhiều người, đây là bình minh của một kỷ nguyên mới, kỷ nguyên ở đó con người bị máy móc thống trị. Nhưng rồi chúng ta ngồi đây sau 20 năm, sự thay đổi lớn nhất là cái cách chúng ta tương tác những máy tính như iPad, không phải HAL.
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.
Ván cờ thứ hai là một trận cờ theo thể thức tự do diễn ra vào năm 2005, trong ván này con người và máy móc quyết định cùng nhau cộng tác, thay vì là đối thủ của nhau. Thoạt tiên, kết quả có vẻ dự đoán được. Ngay cả một siêu máy tính cũng bị đánh bại bới một đại kiện tướng cùng với một chiếc laptop cấu hình kém. Nhưng điều bất ngờ đến vào phút chót. Ai là người chiến thắng? Không phải là đại kiện tướng với chiếc siêu máy tính, mà là hai người chơi nghiệp dư đến từ nước Mỹ sử dụng ba chiếc laptop cấu hình tương đối thấp. Khả năng của họ là huấn luyện và điều khiển những chiếc máy tính của họ để tìm ra các vị trí chính xác nhằm đương đầu hiệu quả với kiến thức cờ uyên thâm của các đại kiện tướng và sức mạnh tính toán của chiếc siêu máy tính của các đối thủ khác. Đây là một kết quả đáng kinh ngạc: những con người bình thường, những máy tính bình thường có thể đánh bại người giỏi nhất, máy tính mạnh nhất. Dù sao đi nữa, con người và máy móc không nên đối đầu nhau, đúng không? Thay vào đó, đó là về sự hợp tác, và kiểu hợp tác đúng đắn
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.
Chúng ta đang tập trung về tầm nhìn của Marvin Minsky đối với môn trí tuệ nhân tạo trong 50 năm qua. Tôi cam đoan đó là một tầm nhìn rất cuốn hút. Nhiều người đã theo đuổi nó. Nó đã trở thành ngôi trường tư tưởng trọng điểm trong ngành khoa học máy tính. Nhưng khi chúng ta bước vào thời đại của dữ liệu khổng lồ, của các hệ thống mạng, của nền tảng mở, của công nghệ nhúng. Tôi muốn đề xuất rằng đây là thời gian để tái thẩm định lại một tầm nhìn thay thế - tầm nhìn đã thực sự được phát triển cùng thời. Tôi đang nói về ý tưởng cộng sinh người-máy của J.C.R. Licklider có lẽ tốt hơn nên dùng thuật ngữ "Intelligence augmentation", 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 là một nhà khoa học máy tính phi thường, người có ảnh hưởng sâu sắc đến sự phát triển của công nghệ và Internet. Tầm nhìn của ông cho phép con người và máy móc có thể hợp tác trong việc ra quyết định, điều khiển các tình huống phức tạp mà không cần sự phụ thuộc cứng nhắc vào các chương trình định trước. Hay lưu ý từ "hợp tác" Licklider khuyến khích chúng ta đừng có lấy một cái lò nướng bánh và biến nó thành nhân vật Data trong "Star Trek", mà hãy biến một con người trở nên hữu dụng hơn. Con ngươi rất tuyệt vời - Cái cách chúng ta nghĩ, các cách tiếp cận phi tuyến của chúng ta, khả năng sáng tạo của chúng ta, các giả thuyết lặp đi lặp lại, tất cả đều rất khó khăn để có thể khiến máy tính làm được những điều đó. Trực giác của Licklider nhận ra được điều này, dự tính của con người, thiết lập các mục tiêu, xây dựng các giả thuyết, xác định các tiêu chuẩn, và thực hiện đánh giá. Tất nhiên, ở những mặt khác, con người rất hạn chế. Chúng ta rất tệ về quy mô, tính toán và khối lượng. Chúng tôi cần sự quản lý tài năng cấp cao để giúp cho ban nhạc rock chơi nhạc với nhau. Licklider dự đoán rằng máy tính sẽ làm tất cả công việc thường ngày tức là những việc cần thiết để dọn đường cho sự thấu hiểu và ra quyết định
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.
Một cách âm thầm, không có nhiều phô trương, Hướng tiếp cận này đã đạt được chiến thắng còn xa hơn cả những ván cờ. Gấp protein (Protein folding), một chủ đề chia sẻ về tính mở rộng khó tin của các ván cờ Có nhiều cách để gấp một protein hơn số lượng nguyên tử trong vũ tru. Đây là một vấn đề có thể khiến thế giới thay đổi và có tác động cực lớn đến khả năng hiểu biết và điều trị bệnh tật của chúng ta. Và đối với nhiệm vụ này, sức mạnh phần cứng của một siêu máy tính đơn giản là không đủ Foldit, một trò chơi được các nhà khoa học máy tính tạo ra minh họa về giá trị của hướng tiếp cận này. Những người nghiệp dư, không phải là dân kỹ thuật hay sinh vật được chơi một video game trong đó họ dùng mắt để sắp xếp cấu trúc của protein, cho phép máy tính điều khiển lực nguyên tử và tương tác cũng như xác định những vấn đề liên quan đến cấu trúc. Hướng tiếp cận này đã thắng siêu máy tính 50% thời gian và chỉ dùng đến 30% thời gian. Foldit gần đây đã có một khám phá khoa học đáng chú ý và quan trọng bằng cách giải mã cấu trúc của virus khỉ Mason-Pfizer. Một protease (một loại enzyme) bị quên lãng hơn 10 năm đã được giải quyết bởi ba người chơi trong một vài ngày, có thể là bước tiến khoa học quan trọng đầu tiên đạt được nhờ chơi một video game.
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.
Năm ngoái, trên nền của Tòa tháp đôi, đài tưởng niệm 11.9 được mở. Tượng đài in tên của hàng ngàn nạn nhân sử dụng một khái niệm tuyệt đẹp được gọi là "Sự liền kề ý nghĩa". Nó sắp xếp những cái tên bên cạnh cái tên khác dựa trên mối quan hệ của họ: bạn bè, gia đình, đồng nghiệp. Khi bạn đặt tất cả cạnh nhau, nó là một thử thách khá gay go về mặt tính toán: 3500 nạn nhân, 1800 mối liên hệ liền kề; tầm quan trọng của các chi tiết kỹ thuật vật lý tổng thể và cuối cùng là tính thẩm mỹ. Khi lần đầu được giới truyền thông đưa tin, toàn bộ công việc được gửi gắm cho một thuật toán đến từ thành phố New York của công ty thiết kế Local Projects. Thực tế thì hơi nhiều sắc thái hơn chút ít. Trong khi một thuật toán được sử dụng để phát triển một bộ khung cơ bản, con người sử dụng bộ khung đó để cho ra bản thiết kế kết quả sau cùng. Vì vậy trong trường hợp này, một máy tính đã đánh giá hàng triệu lớp có thể có, điều khiển một hệ thống có mối quan hệ phức tạp, và theo dõi các phép đo đạc và biến số khá với quy mô lớn và cho phép con người chỉ tập trung vào thiết kế và và chọn lựa. Bạn càng quan sát xung quanh bạn, bạn càng thấy tầm nhìn của Licklider có ở mọi nơi, Cho dù đó là công nghệ tương tác thực tế (augmented reality) trong chiếc iPhone hay GPS trong xe hơi của bạn, sự cộng sinh con người - máy tính giúp con người chúng ta khả dụng hơn,
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.
Vì nếu bạn muốn cải thiện sự cộng sinh người-máy, bạn có thể làm gì? Bạn có thể bắt đầu bằng cách thiết kế tính người vào tiến trình đó. Thay vì nghĩ về việc một chiếc máy tính sẽ làm gì để giải quyết vấn đề, thì hãy cũng thiết kế giải pháp xung quanh những gì mà con người sẽ làm. Khi bạn làm điều này, bạn sẽ nhanh chóng nhận ra rằng bạn đã dành tất cả thời gian của bạn cho giao diện giữa con người và máy, đặc biệt là cho thiết kế giảm sự sai khác trong tương tác này. Thực ra, sự sai khác này quan trọng hơn cả sức mạnh của con người hay sức mạnh của máy móc trong việc xác định khả năng tổng thể. Đó là lý do tại sao hai người nghiệp dư với một vài laptop dễ dàng đánh bại một siêu máy tính và một đại kiện tướng. Cái mà Kasparov gọi là quá trình này là một sản phẩm phụ của sự sai khác. Quá trình này diễn ra càng tốt, sự sai khác càng ít. Và việc giảm thiểu sự sai khác hóa ra là những thay đổi có tính quyết định,
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?
Hoặc lấy một ví dụ khác: dữ liệu lớn. Mỗi tương tác mà chúng tôi có trên thế giới đều được ghi lại bởi một loạt các loại cảm biến phát triển chưa từng thấy: trên điện thoại thẻ tín dụng, máy tính của bạn. Kết quả là dữ liệu lớn, và nó thực sự mở ra cho chúng ta một cơ hội để hiểu sâu sắc hơn nữa các điều kiện của con người. Trọng tâm chính của hầu hết các phương pháp tiếp cận đối với dữ liệu lớn là tập trung vào, "Làm thế nào để lưu trữ dữ liệu này? Làm thế nào để tìm kiếm dữ liệu này? Làm thế nào để xử lý dữ liệu này?" Đây là những điều cần thiết nhưng các câu hỏi này là chưa đủ. Điều bắt buộc không phải là tìm ra cách tính toán như thế nào mà là tính toán những gì. Làm thế nào để bạn có thể áp đặt trực giác của con người trên các dữ liệu ở quy mô thế này?
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.
Một lần nữa, chúng ta bắt đầu bằng cách thiết kế tính người vào quá trình. Khi PayPal lần đầu khởi nghiệp, thách thức lớn nhất của họ không phải là, "Làm thế nào để gửi tiền qua lại trên mạng?". Đó là, "Làm thế nào để tôi làm điều đó mà không bị lừa đảo bởi các tội phạm có tổ chức?" Tại sao điều này lại gây thách thức? Bởi vì trong khi máy tính có thể học để phát hiện và xác định gian lận dựa trên các mô hình, máy tính không thể học để làm điều đó nếu dựa trên các dạng mà chúng chưa bao giờ gặp, và tội phạm có tổ chức rất giống nhau với người thính giả như thế này: những người tài giỏi, cực kỳ tháo vát, có tinh thần kinh doanh - và một sự khác biệt rất lớn và quan trọng: mục đích. Và như vậy, trong khi những máy tính có thể nắm bắt tất cả ngoại trừ những kẻ lừa đảo thông minh nhất, nắm bắt được những kẻ thông minh nhất chính là sự khác biệt giữa thành công và thất bại.
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.
Có hẳn một lớp học về các vấn đề như thế này, những lớp học với những đối thủ biết thích nghi. Họ hiếm khi xuất hiện với một kiểu lặp đi lặp lại, điều mà máy tính có thể nhận ra được. Thay vào đó, có một số thành phần cố hữu gắn liền với sự đổi mới hay sự gián đoạn, và những vấn đề ngày càng gia tăng này được chôn giấu trong khối dữ liệu lớn.
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.
Ví dụ, khủng bố. Những kẻ khủng bố đang luôn luôn thích ứng theo những cách lớn hay nhỏ với hoàn cảnh mới, và mặc cho những gì bạn có thể nhìn thấy trên truyền hình, những sự thích ứng này, và việc phát giác chúng, cơ bản là con người. Máy tính không phát hiện các kiểu lạ và các hành vi mới, nhưng con người thì có thể. Con người, bằng cách sử dụng công nghệ, thử nghiệm giả thuyết, tìm kiếm sâu bằng cách yêu cầu máy móc làm việc cho họ. Osama bin Laden đã không bị bắt nếu không có trí tuệ nhân tạo. Hắn đã bị bắt nhờ những con người tận tụy, tháo vát và tài giỏi trong sự tương tác của nhiều công nghệ khác nhau.
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.
Nghe có vẻ hấp dẫn, bạn không thể một cách thuật toán hóa khai phá dữ liệu (data mine) cách làm của bạn để tìm câu trả lời. Không có nút bấm "Tìm khủng bố", và càng nhiều dữ liệu chúng ta tích hợp từ nhiều nguồn khác nhau trên một loạt các định dạng dữ liệu từ các hệ thống khác biệt, việc khai phá dữ liệu có thể càng ít hiệu quả. Thay vào đó, con người sẽ cần phải nhìn vào dữ liệu và tìm kiếm cái nhìn sâu sắc, như Licklider đã dự đoán từ lâu, chìa khóa dẫn đến kết quả tuyệt vời ở đây là kiểu hợp tác đúng đắn và đúng như Kasparov đã nhận định, đó có nghĩa là giảm thiểu sự sai khác giữa người - máy
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.
Bây giờ cách tiếp cận này làm cho những thứ có thể giống như xơ len thông qua tất cả các dữ liệu sẵn có từ các nguồn rất khác nhau, xác định các mối quan hệ mấu chốt và đặt chúng ở một nơi, một cái gì đó đã gần như không thể làm được trước đây. Đối với một số người, điều này đe dọa sự riêng tư và các quyền tự do công dân Đối với người khác, nó báo hiệu trước một kỷ nguyên của sự riêng tư và sự bảo vệ tốt hơn các quyền tự do công dân, nhưng sự riêng tư và quyền tự do có tầm quan trọng cốt lõi. Điều đó phải được công nhận, và chúng không thể bị gạt sang một bên, ngay cả với mục đích cao cả nhất.
So let's explore, through a couple of examples, the impact that technologies built to drive human-computer symbiosis have had in recent time.
Vì vậy hãy khám phá, thông qua một vài ví dụ, tác động mà công nghệ đã xây dựng để thúc đẩy mối quan hệ cộng sinh người - máy đã có trong thời gian gần đây.
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?"
Trong tháng mười 2007, Hoa Kỳ và các lực lượng liên minh đã đột kích một ngôi nhà được phòng vệ chắc chắn của Al Qaeda ở thành phố Sinjar tại biên giới Syria của Iraq. Họ đã tìm thấy một kho tài liệu có giá trị: 700 tiểu sử phác thảo của những chiến binh ngoại quốc. Những chiến binh ngoại quốc này đã rời gia đình họ ở Gulf, Levant và Bắc Phi để tham gia al Qaeda tại Iraq. Các hồ sơ này là các hồ sơ cá nhân. Các chiến binh ngoại quốc điền vào mẫu đơn khi họ tham gia tổ chức Nó chỉ ra rằng al Qaeda, không phải là không có sự quan liêu của nó. Họ trả lời các câu hỏi đại loại như, "Ai là người tuyển dụng bạn?" "Quê hương bạn là gì?" "Những vị trí công việc mà bạn đang tìm kiếm?"
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.
Trong đó câu hỏi cuối cùng, một cái nhìn sâu sắc đáng ngạc nhiên được tiết lộ. Đại đa số các chiến binh ngoại quốc đã tìm kiếm vị trí trở thành kẻ ném bom liều chết với mục đích tử vì đạo-- cực kỳ quan trọng hơn là kể từ năm 2003 và 2007, Iraq đã có 1.382 vụ đánh bom tự sát, nguyên nhân chính của sự bất ổn định. Phân tích các dữ liệu này khá khó khăn. Bản gốc là những giấy tờ tiếng Ả Rập đã được scan và dịch thuật. Sự sai khác trong tiến trình đã không cho phép đạt được các kết quả mong muốn trong một khung thời gian hoạt động bằng cách sử dụng con người, PDFs và sự kiên trì không thôi. Các nhà nghiên cứu đã phải thúc đẩy trí tuệ con người bằng công nghệ để đi sâu, khám phá những giả thuyết không rõ ràng, và trong thực tế, hiểu biết đã xuất hiện. Hai mươi phần trăm các chiến bình ngoại quốc đến từ Libya 50 phần trăm trong số đó đến từ một thị trấn tại Libya, điều này cực kỳ quan trọng vì số liệu thống kê trước kia thì nó chỉ là ba phần trăm. Nó cũng giúp tăng cường hiểu biết về một nhân vật đang ngày càng quan trọng trong al Qaeda, Abu Yahya al-Libi, một giáo sĩ cao cấp trong nhóm chiến đấu Hồi giáo Libya. Tháng 3 năm 2007, ông đã ra một bài phát biểu, sau đó đã có sự gia tăng đột biến của các chiến binh người Libya.
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.
Mặc dù, có lẽ điều thông thái nhất, và mơ hồ nhất, bằng cách lật tung các dữ liệu, các nhà nghiên cứu đã có thể khám phá sâu sắc mạng lưới hợp tác ở Syria đó là nơi cuối cùng có trách nhiệm nhận và vận chuyển các chiến binh ngoại quốc đến biên giới. Đây là những mạng lưới của lính đánh thuê, không phải những người theo tư tưởng Macxit, những con người hợp tác kinh doanh vì lợi nhuận. Ví dụ, chúng tính phí của những chiến binh Ả Rập Saudi nhiều hơn đáng kể so với những người Lybia, khoản tiền đó mặt khác sẽ đến al Qaeda. Có thể kẻ địch sẽ tự phá vỡ mạng lưới của chúng Nếu họ biết chúng đang gian lận những người sẽ trở thành jihadist (những người tham gia thánh chiến, có liên quan đến al Qeada).
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,
Trong tháng một, 2010, một trận động đất mạnh 7,0 độ richte đã tàn phá Haiti, trận động đất gây thiệt hại về người lớn thứ ba mọi thời đại, khiến một triệu người, 10 phần trăm dân số trở thành người vô gia cư. Một khía cạnh có vẻ nhỏ của toàn bộ nỗ lực cứu trợ đang trở nên ngày càng quan trọng khi việc cung cấp thực phẩm và nước bắt đầu khởi động. Tháng Giêng và tháng Hai là những tháng mùa khô ở Haiti, nhưng nhiều người ở các trại đã khai thác nước tù đọng. Trụ sở duy nhất có các hiểu biết chi tiết về các vùng ngập lụt ở Haiti đã bị san lấp trong trận động đất cùng với các lãnh đạo đang ở bên trong. Vì thì, câu hỏi là, những trại nào đang có nguy cơ, bao nhiêu người đang ở trong những trại này, đâu là mốc thời gian lũ lụt, và nguồn tài nguyên rất khan hiếm cũng như cơ sở hạ tầng rất hạn chế, làm thế nào chúng ta ưu tiên việc tái định cư? Dữ liệu thì vô cùng khác nhau. Quân đội Hoa Kỳ chỉ có thông tin chi tiết cho là một phần nhỏ của đất nước này. Có dữ liệu trực tuyến từ một hội nghị về nguy cơ môi trường năm 2006, các dữ liệu địa không gian, không cái nào trong số đó đã được sử dụng. Mục tiêu của con người ở đây là để xác định những trại cho việc tái định cư dựa trên nhu cầu ưu tiên. Máy tính đã phải tích hợp một số lượng lớn các thông tin không gian địa, thông tin truyền thông xã hội và tổ chức cứu trợ để trả lời câu hỏi này. Bằng cách thực hiện một quá trình chất lượng cao, nhờ đó một nhiệm vụ cho 40 người trong hơn ba tháng đã trở thành một công việc đơn giản cho ba người trong 40 giờ,
all victories for human-computer symbiosis.
tất cả các chiến thắng nhờ sự cộng sinh giữa con người-máy tính.
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)
Chúng tôi đang có hơn 50 năm đi theo tầm nhìn của Licklider vì tương lai, và các dữ liệu cho thấy rằng chúng ta nên vui mừng về việc giải quyết vấn đề khó khăn nhất của thế kỷ này, con người và các máy móc trong mối quan hệ hợp tác. Cảm ơn bạn. (Vỗ tay) (Vỗ tay)