Η τεχνολογία μάς έχει προσφέρει πολλά: Την προσεδάφιση στη σελήνη, το Διαδίκτυο, την ικανότητα αλληλούχισης του ανθρώπινου γονιδιώματος. Εξάπτει, όμως, και τους πιο ενδόμυχούς μας φόβους, και περίπου 30 χρόνια πριν, ο πολιτιστικός κριτικός Νιλ Πόστμαν έγραψε ένα βιβλίο με τίτλο «Διασκέδαση μέχρι θανάτου», το οποίο παρουσιάζει με ευφυές τρόπο αυτή την κατάσταση. Και να τι είπε, συγκρίνοντας τα δυστοπικά οράματα του Τζορτζ Όργουελ και του Άλντους Χάξλεϋ. Ο Όργουελ, λέει, φοβόταν πως θα αναπτύσσαμε έναν πολιτισμό υποτέλειας. Ο Χάξλεϋ φοβόταν πως θα αναπτύσσαμε έναν πολιτισμό κοινοτοπίας. Ο Όργουελ φοβόταν πως η αλήθεια θα φυλασσόταν μυστική, ενώ ο Χάξλεϋ φοβόταν πως θα πνιγόμασταν σε έναν ωκεανό σύγχυσης. Εν ολίγοις, εμείς επιλέγουμε εάν ο Μεγάλος Αδερφός θα παρακολουθεί εμάς ή εμείς τον Μεγάλο Αδερφό. (Γέλια)
Technology has brought us so much: the moon landing, the Internet, the ability to sequence the human genome. But it also taps into a lot of our deepest fears, and about 30 years ago, the culture critic Neil Postman wrote a book called "Amusing Ourselves to Death," which lays this out really brilliantly. And here's what he said, comparing the dystopian visions of George Orwell and Aldous Huxley. He said, Orwell feared we would become a captive culture. Huxley feared we would become a trivial culture. Orwell feared the truth would be concealed from us, and Huxley feared we would be drowned in a sea of irrelevance. In a nutshell, it's a choice between Big Brother watching you and you watching Big Brother. (Laughter)
Δεν είναι όμως απαραίτητα έτσι. Δεν είμαστε παθητικοί καταναλωτές των δεδομένων και της τεχνολογίας. Εμείς διαμορφώνουμε τον ρόλο που θα έχουν στη ζωή μας, και τον τρόπο που τα ερμηνεύουμε, όμως για να το κάνουμε αυτό, πρέπει να δωσουμε την ίδια σημασία στον τρόπο που σκεφτόμαστε όσο και στον τρόπο που προγραμματίζουμε. Πρέπει να θέτουμε δύσκολες ερωτήσεις για να περάσουμε από την καταμέτρηση στην κατανόηση των πραγμάτων. Βομβαρδιζόμαστε διαρκώς με ιστορίες σχετικά με τον όγκο των δεδομένων στον κόσμο αλλά όταν μιλάμε για μεγάλα δεδομένα και το πώς μπορούμε να τα ερμηνεύσουμε δεν μετράει μόνο το μέγεθος. Υπάρχει και η ταχύτητα με την οποία διακινούνται, και τα διαφορετικά είδη δεδομένων, και εδώ είναι μόνο μερικά παραδείγματα: Εικόνες, κείμενα, βίντεο, ήχος. Αυτό που ενώνει τα ανόμοια αυτά είδη δεδομένων είναι ότι αποτελούν ανθρώπινο δημιούργημα και χρειάζονται συγκείμενο.
But it doesn't have to be this way. We are not passive consumers of data and technology. We shape the role it plays in our lives and the way we make meaning from it, but to do that, we have to pay as much attention to how we think as how we code. We have to ask questions, and hard questions, to move past counting things to understanding them. We're constantly bombarded with stories about how much data there is in the world, but when it comes to big data and the challenges of interpreting it, size isn't everything. There's also the speed at which it moves, and the many varieties of data types, and here are just a few examples: images, text, video, audio. And what unites this disparate types of data is that they're created by people and they require context.
Υπάρχει μια ομάδα επιστημόνων δεδομένων από το Πανεπιστήμιο του Ιλινόι στο Σικάγο, γνωστή ως Κέντρο Συνεργασίας των Μέσων για την Υγεία, που συναργάζεται με τα Κέντρα Ελέγχου Νοσημάτων για να κατανοήσουν καλύτερα πώς μιλάνε οι άνθρωποι για τη διακοπή του καπνίσματος, πώς μιλάνε όταν αναφέρονται στα ηλεκτρονικά τσιγάρα, και τι μπορούν να κάνουν συλλογικά για να τους βοηθήσουν να κόψουν το κάπνισμα. Εάν θέλουμε να κατανοήσουμε τι λένε οι άνθρωποι για το κάπνισμα, πρέπει πρώτα να καταλάβετε τι εννοούν όταν μιλάνε για «κάπνισμα». Υπάρχουν τέσσερις κύριες κατηγορίες στο Twitter: πρώτον, το κάπνισμα τσιγάρων, δεύτερον, το κάπνισμα μαριχουάνας, τρίτον, το καπνιστό κρέας, και τέταρτον, οι καυτές γυναίκες. (Γέλια)
Now, there's a group of data scientists out of the University of Illinois-Chicago, and they're called the Health Media Collaboratory, and they've been working with the Centers for Disease Control to better understand how people talk about quitting smoking, how they talk about electronic cigarettes, and what they can do collectively to help them quit. The interesting thing is, if you want to understand how people talk about smoking, first you have to understand what they mean when they say "smoking." And on Twitter, there are four main categories: number one, smoking cigarettes; number two, smoking marijuana; number three, smoking ribs; and number four, smoking hot women. (Laughter)
Πρέπει να αναρωτηθούμε λοιπόν, τι λέει ο κόσμος για τα ηλεκτρονικά τσιγάρα; Υπάρχουν πολλοί διαφορετικοί τρόποι να εκφράσει κανείς την άποψή του και όπως βλέπετε είναι ένα πολύπλοκο ερώτημα. Αυτό που μας υπενθυμίζει είναι ότι η γλώσσα δημιουργήθηκε από τον άνθρωπο, και οι άνθρωποι είμαστε πολύπλοκοι, και χρησιμοποιούμε μεταφορές, αργκό και ειδική φρασεολογία και αυτό το κάνουμε 24 ώρες το 24ωρο, σε πάρα πολλές γλώσσες, και μόλις το συνειδητοποιούμε, το αλλάζουμε.
So then you have to think about, well, how do people talk about electronic cigarettes? And there are so many different ways that people do this, and you can see from the slide it's a complex kind of a query. And what it reminds us is that language is created by people, and people are messy and we're complex and we use metaphors and slang and jargon and we do this 24/7 in many, many languages, and then as soon as we figure it out, we change it up.
Οπότε οι διαφημίσεις του Κέντρου Ελέγχου και Πρόληψης Νοσημάτων, οι τηλεοπτικές διαφημίσεις με μια γυναίκα με μια τρύπα στο λαιμό, τόσο παραστατικά και τόσο έντονα, επηρέασαν κάποιους στην επιλογή της διακοπής ή μη του καπνίσματος; Το Κέντρο Συνεργασίας Μέσων Υγείας αναγνώρισε τις ελλείψεις στα δεδομένα τους αλλά έφτασε στο συμπέρασμα ότι οι διαφημίσεις αυτές, που μπορεί κάπου να τις έχετε δει, κατάφεραν να ταρακουνήσουν τους ανθρώπους, να τους κάνουν να σκεφτούν και να επηρεάσουν μελλοντικές συπεριφορές τους. Και αυτό που θαυμάζω και εκτιμώ σε αυτό το εγχείρημα, πέρα από το γεγονός ότι βασίζεται σε μια πραγματική ανθρώπινη ανάγκη, είναι ότι πρόκειται για ένα εκπληκτικό παράδειγμα θάρρους εν όψει ενός ωκεανού σύγχυσης.
So did these ads that the CDC put on, these television ads that featured a woman with a hole in her throat and that were very graphic and very disturbing, did they actually have an impact on whether people quit? And the Health Media Collaboratory respected the limits of their data, but they were able to conclude that those advertisements — and you may have seen them — that they had the effect of jolting people into a thought process that may have an impact on future behavior. And what I admire and appreciate about this project, aside from the fact, including the fact that it's based on real human need, is that it's a fantastic example of courage in the face of a sea of irrelevance.
Έτσι, δεν είναι μόνο τα μεγάλα σύνολα δεδομένων που δημιουργούν προκλήσεις στην ερμηνεία, διότι ας το παραδεχτούμε, εμείς τα ανθρώπινα όντα έχουμε μια πλούσια ιστορία στο να αποτυγχάνουμε να ερμηνεύσουμε ακόμα και μικρά σύνολα δεδομένων. Μπορεί να θυμόσαστε ακόμα ότι πριν από πολλά χρόνια ο πρώην Πρόεδρος Ρόναλντ Ρήγκαν σχολιάστηκε έντονα για τη δήλωσή του ότι τα γεγονότα είναι ηλίθια πράγματα. Ήταν ένα σαρδάμ, ας είμαστε δίκαιοι. Ήθελε να παραθέσει την υπεράσπιση του Τζον Άνταμς στη δίκη των Βρετανών στρατιωτών για το μακελειό στη Βοστώνη ότι τα γεγονότα είναι επίμονα πράγματα. Πιστεύω, όμως, πως υπάρχει μια δόση αλήθειας σε αυτό που του ξέφυγε, διότι τα γεγονότα είναι επίμονα πράγματα, αλλά μερικές φορές είναι και ηλίθια.
And so it's not just big data that causes challenges of interpretation, because let's face it, we human beings have a very rich history of taking any amount of data, no matter how small, and screwing it up. So many years ago, you may remember that former President Ronald Reagan was very criticized for making a statement that facts are stupid things. And it was a slip of the tongue, let's be fair. He actually meant to quote John Adams' defense of British soldiers in the Boston Massacre trials that facts are stubborn things. But I actually think there's a bit of accidental wisdom in what he said, because facts are stubborn things, but sometimes they're stupid, too.
Θα ήθελα να σας διηγηθώ μια ιστορία που εξηγεί γιατί η παραπάνω πρόταση έχει τόση σημασία για μένα. Να πάρω πρώτα μια ανάσα. Όταν ο γιος μου, Ισαάκ, ήταν δύο ετών, διαγνώστηκε με αυτισμό, και ήταν ένα χαρούμενο, αστείο, αξιαγάπητο, τρυφερό μικρό ανθρωπάκι, όμως οι μετρήσεις για την αναπτυξιακή του αξιολόγηση, που βασιζόταν σε στοιχεία όπως ο αριθμός των λέξεων - καμία έως τότε - επικοινωνιακές χειρονομίες και ελάχιστη οπτική επαφή, τοποθέτησαν το αναπτυξιακό του επίπεδο σε αυτό ενός βρέφους εννέα μηνών. Μπορεί η διάγνωση να ήταν τεκμηριωμένη, δεν ανταποκρινόταν, όμως, πλήρως στην πραγματικότητα. Περίπου ενάμιση χρόνο αργότερα, όταν ήταν σχεδόν τεσσάρων ετών, τον βρήκα μία μέρα μπροστά στον υπολογιστή να κάνει αναζήτηση εικόνων με γυναίκες, έχοντας πληκτρολογήσει τη λέξη «γινέκες». Και έκανα ό,τι θα έκανε ο οποιοσδήποτε εμμονικός γονιός, άρχισα να πατάω το κουμπί «Επιστροφή» για να δω τι άλλο είχε ψάξει. Και βρήκα με την εξής σειρά: άντρες, σχολείο, λεωφορείο και κομπιούτερ. Και έμεινα άναυδη, γιατί δεν ξέραμε ότι μπορούσε να γράψει, πόσο μάλλον να διαβάσει, και έτσι τον ρώτησα, «Ισαάκ, πώς το έκανες αυτό;» Και με κοίταξε πολύ σοβαρά και απάντησε, «Το πληκτρολόγησα στο κουτάκι».
I want to tell you a personal story about why this matters a lot to me. I need to take a breath. My son Isaac, when he was two, was diagnosed with autism, and he was this happy, hilarious, loving, affectionate little guy, but the metrics on his developmental evaluations, which looked at things like the number of words — at that point, none — communicative gestures and minimal eye contact, put his developmental level at that of a nine-month-old baby. And the diagnosis was factually correct, but it didn't tell the whole story. And about a year and a half later, when he was almost four, I found him in front of the computer one day running a Google image search on women, spelled "w-i-m-e-n." And I did what any obsessed parent would do, which is immediately started hitting the "back" button to see what else he'd been searching for. And they were, in order: men, school, bus and computer. And I was stunned, because we didn't know that he could spell, much less read, and so I asked him, "Isaac, how did you do this?" And he looked at me very seriously and said, "Typed in the box."
Ο ίδιος μάθαινε στον εαυτό του να επικοινωνεί αλλά εμείς ψάχναμε στο λάθος μέρος, και αυτό συμβαίνει όταν οι αξιολογήσεις και οι αναλύσεις υπερεκτιμούν ένα σύστημα μέτρησης - σε αυτή την περίπτωση τη λεκτική επικοινωνία - και υποτιμούν άλλα, όπως τον δημιουργικό τρόπο επίλυσης των προβλημάτων. Η επικοινωνία ήταν δύσκολη για τον Ισαάκ, και έτσι βρήκε άλλο τρόπο για να βρει αυτό που ήθελε να μάθει. Και αν το σκεφτείτε, είναι πολύ λογικό, διότι το να θέσεις ένα ερώτημα ειναι μια πολύ σύνθετη διαδικασία, αυτός όμως τα κατάφερε μια χαρά πληκτρολογώντας μια λέξη στο κουτί αναζήτησης.
He was teaching himself to communicate, but we were looking in the wrong place, and this is what happens when assessments and analytics overvalue one metric — in this case, verbal communication — and undervalue others, such as creative problem-solving. Communication was hard for Isaac, and so he found a workaround to find out what he needed to know. And when you think about it, it makes a lot of sense, because forming a question is a really complex process, but he could get himself a lot of the way there by putting a word in a search box.
Έτσι αυτή η μικρή στιγμή επηρεάσε βαθύτατα κι εμένα και την οικογένειά μας επειδή μας βοήθησε να αλλάξουμε το πλαίσιο αναφοράς μας σχετικά με το τι γινόταν με τον Ισαάκ, και να ανησυχούμε λίγο λιγότερο και να εκτιμούμε την επινοητικότητά του περισσότερο.
And so this little moment had a really profound impact on me and our family because it helped us change our frame of reference for what was going on with him, and worry a little bit less and appreciate his resourcefulness more.
Τα γεγονότα είναι ηλίθια πράγματα. Και είναι εύκολο να παραποιηθούν, σκοπίμως ή μη. Έχω μία φίλη, την Έμιλι Ουίλινγκχαμ, η οποία είναι επιστήμονας, και η οποία έγραψε ένα άρθρο για το Forbes πριν λίγο καιρό με τον τίτλο «Τα 10 πιο περίεργα πράγματα που συνδέουμε με τον αυτισμό». Η λίστα είναι αρκετά μεγάλη. Το Διαδίκτυο φταίει για όλα, σωστά; Και φυσικά οι μητέρες, γιατί έτσι. Και βασικά υπάρχουν και άλλα, πάρα πολλά στην κατηγορία «μητέρα». Όπως βλέπετε είναι μια αρκετά μακριά και ενδιαφέρουσα λίστα. Προσωπικά, μου άρεσε πολύ το «να είσαι έγκυος κοντά σε αυτοκινητόδρομους». Το τελευταίο έχει ενδιαφέρον, γιατί ο όρος «μητέρα-ψυγείο» ήταν η αρχική υπόθεση για την αιτία του αυτισμού, και υποδηλώνει άτομο κρύο και άστοργο.
Facts are stupid things. And they're vulnerable to misuse, willful or otherwise. I have a friend, Emily Willingham, who's a scientist, and she wrote a piece for Forbes not long ago entitled "The 10 Weirdest Things Ever Linked to Autism." It's quite a list. The Internet, blamed for everything, right? And of course mothers, because. And actually, wait, there's more, there's a whole bunch in the "mother" category here. And you can see it's a pretty rich and interesting list. I'm a big fan of being pregnant near freeways, personally. The final one is interesting, because the term "refrigerator mother" was actually the original hypothesis for the cause of autism, and that meant somebody who was cold and unloving.
Κάπου εδώ μπορεί να σκεφτόσαστε «Εντάξει, Σούζαν, καταλάβαμε, μπορείς να ερμηνεύσεις δεδομένα κατά βούληση». Και αυτή είναι μεγάλη αλήθεια, αλλά η πρόκληση έγκειται στο ότι έχουμε την ευκαιρία να δώσουμε εμείς οι ίδιοι νόημα στα δεδομένα, γιατί ειλικρινά, τα δεδομένα δεν έχουν νόημα. Εμείς τους το δίνουμε. Έτσι, ως επαγγελματίες, ως καταναλωτές, ως ασθενείς, ως πολίτες, πιστεύω πως έχουμε την υποχρέωση να αφιερώσουμε περισσότερο χρόνο εστιάζοντας στην κριτική μας σκέψη. Γιατί; Διότι τη δεδομένη χρονική στιγμή, όπως ακούμε ξανά και ξανά, μπορούμε να επεξεργαστούμε εξαμπάιτς δεδομένων σε ταχύτητα φωτός, και έχουμε την ικανότητα να κάνουμε λάθος επιλογές πολύ πιο γρήγορα και αποτελεσματικά και με πολύ μεγαλύτερο αντίκτυπο απ΄ ό,τι στο παρελθόν. Υπέροχα, έτσι; Το μόνο που χρειάζεται αντ' αυτού είναι να αφιερώσουμε λίγο περισσότερο χρόνο σε πράγματα όπως οι ανθρωπιστικές επιστήμες και η κοινωνιολογία, και οι κοινωνικές επιστήμες, η ρητορική, η φιλοσοφία, η ηθική, γιατί όλα αυτά θα μας δώσουν το συγκείμενο που απαιτείται για τα μεγάλα δεδομένα, και διότι αυτά θα μας βοηθήσουν να αποκτήσουμε κριτική σκέψη. Διότι εν τέλει, αν μπορώ να εντοπίσω πρόβλημα σε ένα επιχείρημα, δεν έχει πολλή σημασία αν αυτό εκφράζεται με λέξεις ή αριθμούς. Αυτό σημαίνει να διδάσκουμε τους εαυτούς μας να εντοπίζουμε αυτά τα σφάλματα επιβεβαίωσης και τους λάθος συσχετισμούς και να ξεχωρίζουμε μια συγκινησιακή επίκληση από χιλιόμετρα, γιατί αν κάτι συνέβη μετά από κάτι άλλο δεν σημαίνει απαραίτητα ότι συνέβη εξαιτίας του, και αν μου επιτρέψετε να το παρακάνω λιγάκι, είναι αυτό που οι Ρωμαίοι λέγανε "post hoc ergo propter hoc", «κατόπιν τούτου, άρα εξαιτίας τούτου».
And at this point, you might be thinking, "Okay, Susan, we get it, you can take data, you can make it mean anything." And this is true, it's absolutely true, but the challenge is that we have this opportunity to try to make meaning out of it ourselves, because frankly, data doesn't create meaning. We do. So as businesspeople, as consumers, as patients, as citizens, we have a responsibility, I think, to spend more time focusing on our critical thinking skills. Why? Because at this point in our history, as we've heard many times over, we can process exabytes of data at lightning speed, and we have the potential to make bad decisions far more quickly, efficiently, and with far greater impact than we did in the past. Great, right? And so what we need to do instead is spend a little bit more time on things like the humanities and sociology, and the social sciences, rhetoric, philosophy, ethics, because they give us context that is so important for big data, and because they help us become better critical thinkers. Because after all, if I can spot a problem in an argument, it doesn't much matter whether it's expressed in words or in numbers. And this means teaching ourselves to find those confirmation biases and false correlations and being able to spot a naked emotional appeal from 30 yards, because something that happens after something doesn't mean it happened because of it, necessarily, and if you'll let me geek out on you for a second, the Romans called this "post hoc ergo propter hoc," after which therefore because of which.
Αυτό σημαίνει να αμφισβητούμε επιστήμες όπως η δημογραφία. Γιατί; Διότι βασίζονται σε εικασίες για το ποιοι είμαστε βάσει του φύλου μας, της ηλικίας και της καταγωγής μας και όχι σε δεδομένα για το τι πραγματικά πιστεύουμε και κάνουμε. Εφόσον έχουμε τα δεδομένα αυτά, πρέπει να τα διαχειριστούμε με τους κατάλληλους ελέγχους ιδιωτικότητας και με τη σύμφωνη γνώμη του καταναλωτή, και πέρα από αυτό, πρέπει να είμαστε ξεκάθαροι ως προς τις υποθέσεις μας, και τη μεθοδολογία που χρησιμοποιούμε και την εμπιστοσύνη μας στο αποτέλεσμα. Όπως έλεγε και ο καθηγητής των μαθηματικών στο λύκειο, δείξε μου την απόδειξή σου, γιατί αν δεν γνωρίζω τα βήματα που ακολούθησες, δεν γνωρίζω και αυτά που δεν ακολούθησες. και αν δεν γνωρίζω τα ερωτήματα που έθεσες δεν μπορώ να γνωρίζω αυτά που δεν έθεσες. Πρέπει λοιπόν να αναρωτηθούμε το εξής δύσκολο πράγμα: Μας έδωσαν όντως τα δεδομένα το ζητούμενο, ή το αποτέλεσμα μας κάνει να αισθανόμαστε πιο επιτυχημένοι και πιο άνετοι;
And it means questioning disciplines like demographics. Why? Because they're based on assumptions about who we all are based on our gender and our age and where we live as opposed to data on what we actually think and do. And since we have this data, we need to treat it with appropriate privacy controls and consumer opt-in, and beyond that, we need to be clear about our hypotheses, the methodologies that we use, and our confidence in the result. As my high school algebra teacher used to say, show your math, because if I don't know what steps you took, I don't know what steps you didn't take, and if I don't know what questions you asked, I don't know what questions you didn't ask. And it means asking ourselves, really, the hardest question of all: Did the data really show us this, or does the result make us feel more successful and more comfortable?
Το Κέντρο Συνεργασίας των Μέσων για την Υγεία, στο τέλος του προγράμματός του βρήκε πως το 87% των tweets σχετικά με τις πολύ παραστατικές και ενοχλητικές διαφημίσεις κατά του καπνίσματος εξέφραζαν φόβο, κατάφεραν να συμπεράνουν όμως αν όντως έκαναν κάποιους να κόψουν το κάπνισμα; Όχι. Επιστήμη είναι, όχι μαγεία.
So the Health Media Collaboratory, at the end of their project, they were able to find that 87 percent of tweets about those very graphic and disturbing anti-smoking ads expressed fear, but did they conclude that they actually made people stop smoking? No. It's science, not magic.
Αν μπορούμε, λοιπόν, να αποκωδικοποιήσουμε την ισχύ των δεδομένων δεν χρειάζεται να οδηγηθούμε τυφλά στο οργουελικό όραμα ενός απολυταρχικού μέλλοντος ή στο όραμα ενός κοινότοπου μέλλοντος όπως φοβόταν ο Χάξλεϋ, ή σε κάποιο φριχτό συνδυασμό των παραπάνω. Αυτό που πρέπει να κάνουμε είναι να σεβόμαστε την κριτική σκέψη και να εμπνεόμαστε από παραδείγματα όπως το Κέντρο Συνεργασίας των Μέσων για την Υγεία, και όπως λένε και στις ταινίες υπερηρώων, ας χρησιμοποιήσουμε τις δυνάμεις μας για το καλό.
So if we are to unlock the power of data, we don't have to go blindly into Orwell's vision of a totalitarian future, or Huxley's vision of a trivial one, or some horrible cocktail of both. What we have to do is treat critical thinking with respect and be inspired by examples like the Health Media Collaboratory, and as they say in the superhero movies, let's use our powers for good.
Σας ευχαριστώ.
Thank you.
(Χειροκρότημα)
(Applause)