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)
La tecnologia ci ha dato davvero tanto: l'atterraggio sulla luna, Internet, l'abilità di sequenziare il genoma umano. Ma allo stesso tempo fa leva sulle nostre paure più profonde. Una trentina di anni fa, il critico culturale Neil Postman scrisse un libro intitolato "Divertirsi da Morire" che mostra molto bene questa condizione. Postman affermava, confrontando le visioni distopiche di George Orwell e Aldous Huxley. Affermava che Orwell temeva che saremmo diventati una cultura schiavizzata. Huxley temeva che saremmo diventati una cultura banale. Orwell temeva che la verità ci sarebbe stata nascosta, e Huxley temeva che saremmo annegati nel mare della noncuranza. In poche parole, non ci resta che scegliere tra essere osservati dal Grande Fratello oppure guardare il Grande Fratello. (Risate) Ma non deve essere per forza così.
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.
Non siamo consumatori passivi di dati e tecnologia. Scegliamo noi il ruolo che hanno nella nostra vita, e il modo in cui assumono un significato, ma per fare ciò dobbiamo prestare la stessa attenzione sia al modo in cui pensiamo sia al modo in cui codifichiamo. Dobbiamo porci delle domande, domande difficili, per andare oltre al computo delle cose, e iniziare a comprenderle. Siamo costantemente bombardati da notizie sulla quantità di dati che esistono nel mondo, ma quando si parla di big data e della sfida di riuscire ad interpretarli, la dimensione non è tutto. È importante anche conoscere la velocità a cui si muovono e le diverse tipologie di dati esistenti, e questi sono solo alcuni degli esempi: immagini, testi, video, audio. Ciò che unisce questa moltitudine di dati eterogenei è il fatto che siano stati tutti creati dall'uomo e che necessitano un contesto.
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)
C'è un gruppo di data scientist dell'Università dell'Illinois a Chicago, chiamato Health Media Collaboratory, che ha collaborato con il Centro per la Prevenzione delle Malattie per comprendere meglio come le persone parlano di smettere di fumare, come parlano delle sigarette elettroniche, e di ciò che possono fare collettivamente per aiutarli a smettere di fumare. La cosa interessante è che se si vuole comprendere come le persone parlano del fumo, bisogna prima comprendere cosa intendono quando parlano del concetto di "fumare". Su Twitter ci sono quattro categorie principali: numero uno, fumare sigarette; numero due, fumare marijuana; numero tre, costolette fumanti; e numero quattro, donne calde fumanti. (Risate)
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.
Quindi bisogna riflettere bene su come le persone parlano delle sigarette elettroniche. Ci sono tantissimi modi diversi che le persone usano, e come potete vedere nella diapositiva è una query alquanto complessa. Tutto questo ci fa ricordare che il linguaggio è creato dalle persone, e le persone sono disordinate e complesse, usano metafore, slang e dialetti e lo fanno ventiquattro ore su ventiquattro, in tante lingue, e non appena se ne accorgono, cambiano atteggiamento.
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.
Così fanno le pubblicità del Centro per la Prevenzione delle Malattie, quelle campagne televisive in cui si vede una donna con un buco in gola, molto esplicite e molto scioccanti, Influiscono davvero sul fatto che la gente smetta di fumare? L'Health Media Collaboratory, pur rispettando il limite dei suoi dati, ha comunque potuto concludere che quelle campagne, probabilmente le avrete viste, hanno l'effetto di far precipitare la gente in un processo durissimo che potrebbe avere un impatto nel loro futuro comportamento. Ciò che più ho ammirato e apprezzato di questo progetto oltre al fatto e incluso il fatto che si basa sui bisogni reali dell'uomo, è il fatto che rappresenti un fantastico esempio di coraggio alla faccia di un mare di irrilevanza.
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.
Quindi non sono solo i big data a causare sfide di interpretazione, perché, diciamoci la verità, noi esseri umani abbiamo alle nostre spalle una lunga storia di dati di qualsiasi dimensione, non importa se piccoli, presi e messi in disordine. Forse vi ricorderete che, tanti anni fa, l'ex Presidente Ronald Reagan fu molto criticato per aver affermato che i fatti sono argomenti stupidi. Siamo sinceri, sarà stato certamente un lapsus. In realtà intendeva citare la difesa di John Adams dei soldati britannici al processo per il massacro di Boston il quale affermava che i fatti erano argomenti testardi. Personalmente ritengo che ci fosse un fondo di saggezza accidentale in ciò che affermò, perché i fatti sono argomenti testardi, ma a volte sono anche argomenti stupidi.
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."
Voglio raccontarvi una storia personale per farvi capire perché tutto questo significa molto per me. Ho bisogno di respirare a fondo. All'età di due anni, a mio figlio Isaac fu diagnosticata una forma di autismo. Era un ragazzino così felice, sorridente, amorevole e affettuoso, ma i parametri di valutazione del suo sviluppo che valutano valori come il numero di parole, che in quel momento era pari a zero, gesti comunicativi e contatto visivo minimo, lo posizionavano al livello di sviluppo di un neonato di nove mesi. La diagnosi, sulla carta, era corretta, ma non raccontava tutta la verità. Un anno e mezzo più tardi, quando aveva quasi quattro anni, un giorno lo trovai davanti al computer che cercava su Google immagini di donne, scritto "d-o-n-e". E feci quello che ogni genitore ossessionato avrebbe fatto, Cioè premere subito il pulsante "indietro" per vedere cos'altro avesse cercato. E in quest'ordine c'erano: uomini, scuola, autobus e computer. E rimasi stupita, perché non sapevamo che sapesse scrivere, e tantomeno leggere, così gli chiesi: "Isaac, come sei riuscito a fare questo?" E lui, guardandomi molto serio, mi disse: "Scrivendo nella scatola".
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.
Stava cercando di imparare da solo a comunicare, ma noi stavamo cercando nel posto sbagliato. Questo è ciò che accade quando le valutazioni e le analisi sopravvalutano il sistema di misura, in questo caso, la comunicazione verbale, e sottovalutano altri parametri come la capacità di risoluzione dei problemi. Per Isaac era difficile comunicare, allora ha cercato un modo di scoprire ciò che aveva bisogno di sapere. Se ci pensate, tutto questo ha senso, perché formulare una domanda è un processo davvero complesso, ma lui è riuscito ad arrivare a quello che voleva inserendo una parola nella finestra di ricerca.
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.
Questo piccolo momento ha avuto un impatto molto profondo su di me e sulla nostra famiglia perché ci ha aiutato a cambiare i parametri di riferimento, per capire meglio cosa passava per la sua testa, e a preoccuparci un po' meno, apprezzando di più, la sua ingegnosità.
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.
I fatti sono argomenti stupidi. E c'è il rischio che vengano usati in modo scorretto. Ho un'amica ricercatrice, Emily Willingham, che non molto tempo fa ha scritto un articolo per Forbes intitolato "Le 10 cose più strane associate all'autismo". È una lista piuttosto lunga. Internet è il colpevole di tutto, vero? E ovviamente le madri. Tra l'altro, non è tutto, ce ne sono diverse nella categoria "madre". Come potete vedere, è una lista piuttosto ricca e interessante. Personalmente, la mia preferita è rimanere incinta vicino alle autostrade". Anche l'ultima è interessante, perché, di fatto, il termine "madre frigorifero" fu usata come ipotesi originale per spiegare la causa dell'autismo, indicando una persona fredda e incapace di amare. A questo punto starete pensando:
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.
"D'accordo, Susan, abbiamo capito, puoi prendere i dati e dar loro un significato". Ed è vero, è del tutto vero, ma la sfida è che abbiamo questa opportunità di provare a ricavarne un significato noi stessi, perché, onestamente, i dati non creano significati. Siamo noi a farlo. Quindi, come persone d'affari, consumatori, pazienti e cittadini, ritengo che abbiamo la responsabilità di passare più tempo a concentrarci sulle nostre capacità di pensiero critico. Perché? Perché in questo momento storico, come abbiamo sentito più volte, siamo in grado di analizzare Exabyte di dati alla velocità della luce, e corriamo il rischio di prendere decisioni sbagliate molto più velocemente, efficientemente, e con un impatto molto più forte che in passato. Splendido, vero? Ciò che dobbiamo fare, quindi, è dedicare un po' più di tempo a cose come gli studi umanistici, la sociologia e le scienze sociali, la retorica, la filosofia, l'etica, perché ci danno un contesto, che, abbiamo visto, è molto importante per comprendere i big data e perché ci aiutano ad usare meglio il nostro pensiero critico. Perché, dopo tutto, se siamo in grado di individuare un problema in un ragionamento, non ci importa tanto se viene espresso con parole o numeri. Questo vuol dire che dobbiamo imparare ad individuare questi pregiudizi e false correlazioni, e dobbiamo essere in grado di individuare da lontano un semplice appello emotivo, perché qualcosa che succede dopo qualcos'altro, non vuol dire per forza che ne sia una conseguenza. Se mi permettete di fare la secchiona per un momento, i romani lo chiamavano "post hoc ergo propter hoc", "dopo di ciò, quindi a causa di ciò".
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?
Questo implica mettere in discussione discipline come la demografia. Perché? Perché si basano su deduzioni su chi siamo, sul nostro sesso, sulla nostra età e su dove viviamo in opposizione ai dati su chi siamo e a cosa pensiamo veramente. Avendo questi dati, dobbiamo trattarli con controlli della privacy appropriati e con l'autorizzazione dei consumatori, e dobbiamo, inoltre, essere chiari riguardo le nostre ipotesi, le metodologie che utilizziamo, e la nostra fiducia sul risultato. Come diceva la mia professoressa di algebra, dovete scrivere i passaggi, perché se non so quali passaggi avete seguito, non posso sapere quelli che non avete seguito, e se non so che domande vi siete fatti, non posso sapere che domande non vi siete fatti. Questo vuol dire che dobbiamo porci la domanda più difficile di tutte: i big data ci mostrano davvero tutto questo o è il risultato che ci fa sentire più soddisfatti e a nostro agio? Così l'Health Media Collaboratory,
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.
alla fine del progetto ha potuto concludere che l'87 per cento dei tweet riguardanti quelle campagne esplicite e scioccanti contro il fumo suscitavano paura, ma hanno potuto concludere che facessero realmente smettere di fumare? No. È scienza, non magia. Quindi, se dovessimo liberare
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.
il potere dei dati, non dovremo credere ciecamente alla visione di Orwell di un futuro totalitario, o a quella di Huxley di un futuro banale, o qualche terribile cocktail di entrambi. Ciò che dobbiamo fare è trattare il pensiero critico con rispetto e ispirarci ad esempi come quello dell'Health Media Collaboratory, e come dicono i supereroi nei film, usiamo i nostri poteri per fare del bene.
Thank you.
Grazie.
(Applause)
(Applausi)