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)
تکنولوژی دست آوردهای زیادی داشته است: سفر به کره ماه، اینترنت، توانمندی در دست کاری ژنتیک انسان اما خیلی از ترسهای قدیمی ما را نیز تازه می کند، در حدود ۳۰ سال پیش منتقد فرهنگی، نیل پُستمن، کتابی نوشت به نام «زندگی در عیش، مردن در خوشی» که این موضوع را به خوبی بیان می کند. او این مساله را با مقایسه تصورات جورج اورول و آلدوس هاکسلی از ناکجا آباد بیان می کند. او می گوید، اورول می ترسید که ما به لحاظ فرهنگی اسیر شویم. هاکسی می ترسید که ما به لحاظ فرهنگی بی محتوا شویم. اورول می ترسید که حقیقت از ما پنهان شود. و هاکسلی می ترسید که ما در دریای حاشیه ها غرق شویم. به صورت کلی، این یک انتخاب بین این است که «برادر بزرگ» بر شما نظارت کند یا شما بر «برادر بزرگ» نظارت کنید. (خنده حضار)
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.
اما لزومی ندارد که اینگونه بماند. ما مصرف کنندگان مطیع داده و فناوری نیستیم. ما نقش آن را در زندگی خود شکل می دهیم و به آن معنا می دهیم، ولی برای انجام این کار، باید به همان میزان به نحوه فکر کردنمان اهمیت بدهیم، که به نحوه کد نوشتنمان اهمیت می دهیم. ما باید سوال بپرسیم، سوالهای سخت، تا از شمارش عبور کنیم، و به ادراک و فهم اطلاعات برسیم. ما دائما با داستانهای مختلفی درباره این که چقدر داده در جهان وجود دارد بمباران می شویم، اما وقتی صحبت از داده های بزرگ و چالش تفسیر آن می شود، اندازه همه چیز نیست. سرعت جابجایی آن نیز مطرح است، و تنوع اشکال مختلف داده، اینجا فقط چند نمونه را می گویم: تصاویر، متن، ویدیو، صوت. و چیزی که این داده ها را به هم مربوط می سازد این است که همه آنها توسط آدمها تولید شده اند و همه آنها مفهوم دارند.
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)
بسیار خوب، گروهی از دانشمندان در دانشگاه ایلینویز-شیکاگو وجود دارند، که به آنان «کارگروه سلامت رسانه» می گویند، و با مراکز کنترل بیماری ها کار می کنند تا درک بهتری داشته باشند از گفتگوی مردم در رابطه با ترک دود( سیگار)، درباره سیگارهای الکترونیکی، و این که کلا چه کاری می توان انجام داد، که به ترک سیگار کمک شود. نکته جالب این است که اگر بخواهیم درک کنیم که مردم چطور درباره دود حرف می زنند، ابتدا باید بفهمیم که منظور آنها وقتی می گویند «دود» چیست. و در توییتر، ۴ دسته بندی اصلی وجود دارد: شماره یک: دود سیگار؛ شماره دو: دود ماریجوانا (علف) شماره سه: کباب دودی شماره سه: با دخترهای خوشگل اشنا شوید.(دود کردن دخترها) (خنده حضار)
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.
پس بعد باید درباره این فکر کنید که، چطور راجع به سیگارهای الکترونیکی صحبت می شود؟ و مردم به اشکال مختلفی این کار را انجام می دهند، که می توانید در اسلاید ببینید که بسیار پیچیده است. و آنچه که به یاد ما می آورد این است که زبان توسط افراد ایجاد می شود، و افراد درهم و برهم و پیچیده اند و ما از ضرب المثل وکنایه و هجو استفاده می کنیم و این کار را هر روز و هر ساعت، به زبانهای مختلف انجام می دهیم. و بعد به محض اینکه کارمان با آن تمام می شود، تغییرش می دهیم.
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.
مانند کاری که تبلیغات شرکت CDC انجام داد. تبلیغاتی تلویزیونی که زنی را نشان می داد با یک سوراخ روی گلویش، با تصویری واضح و بسیار ناراحت کننده، آیا واقعا تاثیری بر روی ترک سیگار داشت؟ و «کارگروه سلامت رسانه» با احترام به محدودیت اطلاعاتشان، نتیجه گیری کرد که این گونه تبلیغات - که شما ممکن است دیده باشید - مردم را درگیر به یک فرآیند فکری می کنند که ممکن است بر رفتار آنها در آینده اثر بگذارد. و آنچه که من در ارتباط با این پروژه تحسین می کنم، به جز این حقیقت که بر اساس نیاز واقعی انسان است، این است که این یک مثال فوق العاده از «شجاعت» در مواجهه با «دریایی از حاشیه ها» است.
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.
و خب تنها حجم عظیم اطلاعات نیستند که باعث می شوند چالش هایی در تفسیر رخ دهد٬ زیرا بگذارید با آن روبرو شویم٬ ما انسان ها تاریخی غنی داریم از گرفتن هر حجمی از اطلاعات٬ هرچند کوچک٬ و نهایتاً خراب کردن آن. خب چندین سال پیش شما ممکن است به یاد داشته باشید که رئیس جمهور سابق رونالد ریگان شدیدا بخاطر صحبتش درباره «احمقانه بودن حقایق» انتقاد شد. بیایید منصف باشیم چون اون از دستش در رفت. در حقیقت منظورش نقلی قولی از دفاعیه جان آدامز بود درباره سربازان بریتانیایی در محاکمه «قتل عام بوستون» که حقایق مطالبی سرسخت هستند. اما من واقعاً فکر می کنم تصادفاً مقداری از ذکاوت در آن چه گفت وجود دارد٬ چرا که واقعاً حقایق محکمند، اما برخی اوقات احمقانه هم هستند.
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."
می خواهم داستانی شخصی را برایتان بگویم که چرا اینقدر این مسأله برایم مهم است. بگذارید نفسی تازه کنم. پسرم ایزاک٬ در دو سالگی مبتلا به اوتیسم شد٬ و او مرد کوچک خوشحال، بشاش، دوست داشتنی و خونگرم بود اما مقیاس های ارزیابی رشد او، که به مواردی چون تعداد کلمات نگاه می کرد و در آن زمان، نبود علائم روشنی از ارتباط و حداقل تماس چشمی سطح رشد او را برابر با کودکی 9 ماهه قرار داد. و تشخیص بیماری در حقیقت درست بود٬ اما تمام ماجرا را بیان نمی کرد. و یکسال و نیم بعد٬ وقتی که پسرم ۴ ساله بود٬ روزی دیدم پسرم جلوی کامپیوتر نشسته و جستجوی تصویری را درباره کلمه «زنان» انجام می دهد٬ در حالی که یک حرف از کلمه را اشتباه هجی کرده بود. و من کاری را کردم که هر مادر حساسی انجام می داد٬ و فوراً کلید عقبگرد را زدم تا ببینم او درباره چه چیزهایی جستجو می کرده است. و آن ها به ترتیب: مردان٬ مدرسه٬ اتوبوس و کامپیوتر بودند. و من شگفت زده شدم٬ چون ما نمی دانستیم که او می تواند هجی کند٬ یا بخواند، و خب از او پرسیدم، «ایزاک٬ چطور این کار رو کردی؟» او خیلی جدی به من نگاه کرد و گفت٬ «تو این کادر جستجو نوشتم.»
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.
او به خودش یاد می داد تا ارتباط برقرار کند٬ اما ما در مسیر غلطی بودیم٬ و این چیزی است که اتفاق می افتد وقتی ارزیابی ها و تحلیل ها یک ویژگی را بیشتر اهمیت می دهند که در این مورد ارتباط کلامی بود و بقیه را نادیده می گیرد٬ مانند حل خلاق مسائل. برقراری ارتباط برای ایزاک سخت بود٬ و او راهی میانبر را پیدا کرد تا بفهمد که چه چیزی را نیاز دارد که بداند. وقتی درباره آن فکر میکنید٬ منطقی است، زیرا طرح یک سؤال فرآیندی کاملاً پیچیده است٬ اما او توانست خود را در این مسیر با گذاشتن کلمه را در کادر جستجو، قرار دهد.
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.
و خب این اتفاق کوتاه اثر واقعاً عمیقی بر من و خانواده ام گذاشت. چرا که کمک کرد تا چارچوب نگاهمان را درباره وضعیت پسرم تغییر دهیم٬ و اندکی از نگرانی خود بکاهیم و تدبیر او را قدر بدانیم.
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.
حقایق احمقانه هستند. و آنها در معرض سوء استفاده استفاده خودسرانه و ... هستند. من دوستی به نام امیلی ویلینگتون که دانشمند است دارم٬ اندکی پیش متنی را برای «فوربس» نوشت به عنوان «۱۰ چیز بسیار عجیب مرتبط با اوتیسم» لیست جالبی بود. اینترنت در همه چیز مقصر است٬ درسته؟ و همچنین مادران. و خب چیزهای دیگری هم هستند٬ گروه بزرگی از موارد مرتبط با «مادر» اینجاست. و شما می بینید که این لیستی بلند بالا و جالب است. من که به شخصه، طرفدار «زن باردار که نزدیک بزرگ راه زندگی می کند» هستم. آخری بسیار عجیب است. به خاطر عبارت «مادر یخچالی» که عملاً فرضیه ای اساسی برای دلیل اوتیسم است، و این یعنی کسی که سرد و غیردوست داشتنی است.
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.
و در اینجا، شما ممکن است فکر کنید، «خب سوزان ما فهمیدیم میتونی اطلاعات رو هرجوری تفسیر کنی» و این درسته٬ کاملاً درسته٬ اما چالش این است که ما این فرصت را داریم تا معنایی مناسب را از آن استخراج کنیم٬ چرا که صریح بگم٬ اطلاعات معنایی ندارند٬ بلکه ما معنا می سازیم. پس به عنوان تاجر٬ مصرف کننده٬ بیمار٬ شهروند و ... فکر می کنم که همه ما مسئولیم٬ تا زمان بیشتری بگذاریم بر تمرکز روی توانایی تفکر تشخیصی مان. چرا؟ زیرا در نقطه از تاریخ٬ همانطور که شنیدیم بارها و بارها٬ می توانیم میلیاردها گیگا داده را پردازش کنیم با سرعت نور، و ما بالقوه ممکن است تصمیماتی بد بگیریم آن هم بسیار سریع و در لحظه و اثری به مراتب بزرگتر نسبت به گذشته٬ بزرگ٬ نه؟ پس آنچه که ما باید به جایش انجام دهیم اندکی صرف وقت بیشتر است روی مسائلی همچون انسانیت٬ جامعه شناسی و علوم اجتماعی٬ سخنوری٬ فلسفه٬ اخلاق٬ چون آنها زمینه ای را در اختیار ما می گذارند که برای داده های بزرگ بسیار مهم هستند٬ و چون به ما کمک می کنند تا متفکرین بهتری شویم. چون به هرترتیب٬ اگر بتوانم مشکلی را در یک بحث مشخص کنم٬ مهم نیست که در قالب کلمات و یا ارقام مطرح شود. و این یعنی به خود یاد یاد دهیم تا آن تعصبات را پیدا کنیم و ارتباطات غلط را تشخیص دهیم و بتوانیم نظر احساسی را شناسایی کنیم از فاصله ای دور چرا که چیزی بعد از چیز دیگری اتفاق می افتد لزوما دلیل رخ داد آن نیست٬ و اگر بگذارید تا من برای لحظه ای شما را به هیجان ببرم رومی ها به این می گفتند: «post hoc ergo propter hoc...» به این معنا که هر چیزی علت چیز دیگری است.
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?
و این یعنی اصول را مثل سرشماری بپرسید. چرا؟ چون آن ها بر مبنای فرضیاتی هستند درباره این که همه ما طبق جنسیت سن و محل زندگی٬ چه کسانی هستیم برخلاف اطلاعاتی درباره آن چه ما واقعاً فکر می کنیم و انجام می دهیم. و از آنجا که این اطلاعات را داریم٬ ما لازم است تا با کنترل های مناسب حیطه شخصی نگاه کنیم و هم چنین بحث انتخاب مصرف کننده و فراتر از این٬ لازم است تا درباره فرضیاتمان واضح صحبت کنیم٬ و همچنین روش های مورد استفاده و اطمینانمان به نتایج. همانطور که معلم جبر من در دبیرستان همیشه می گفت٬ ریاضی خودت رو نشون بده٬ چرا که اگر من ندانم که چه گام هایی را تا الآن برداشتی٬ نخواهم فهمید که چه گام هایی را برنداشته ای٬ و اگر ندانم چه سوالاتی را پرسیده ای٬ نخواهم فهمید کدام را نپرسیده ای. و این یعنی از خودمان بپرسیم٬ سخت ترین سوال ممکن را: آیا اطلاعات واقعاً این را نشان دادند یا نتایج به ما احساس بیشتری از موفقیت و راحتی می دهند؟
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.
خوب کارگروه سلامت رسانه٬ در انتهای پروژه خود٬ توانستند دریابند که حدود ۸۷ درصد توییت ها درباره صحنه های واضح و ناراحت کننده در تبلیغات علیه سیگار منجر به ترس می شود٬ اما آیا آنها نتیجه گرفتند که توانستند واقعاً جلوی مردم را از کشیدن سیگار بگیرند؟ نه٬ این علم است و نه جادو.
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.
اگر ما قدرت اطلاعات را آزاد کنیم کورکورانه به مسیری نمی رویم که دید اورول از آینده اسیری٬ یا نگاه هاکسی درباره بی محتوایی٬ یا ترکیبی وحشتناکی از هر دو باشد. آنچه باید بکنیم احترام به تفکر تشخیصی است و الهام از نمونه های واقعی است مانند کارگروه سلامت رسانه٬ و همانطور که در فیلم های ابرقهرمانی می گویند از قدرتمان در کارهای خوب استفاده کنیم.
Thank you.
ممنون.
(Applause)
(تشویق)