Time flies. It's actually almost 20 years ago when I wanted to reframe the way we use information, the way we work together: I invented the World Wide Web. Now, 20 years on, at TED, I want to ask your help in a new reframing.
زمان پرواز می کند. در حقیقت حدود 20 سال پیش بود وقتی که می خواستم روشی را که ما از اطلاعات استفاده می کنیم را دوباره چارچوب بندی کنم. روشی که ما با هم کار می کنیم: من وب جهانی را اختراع کردم. الان، 20 سال بعد از آن ، در TED، می خواهم از شما کمک بگیرم برای یک چارچوب بندی جدیدی .
So going back to 1989, I wrote a memo suggesting the global hypertext system. Nobody really did anything with it, pretty much. But 18 months later -- this is how innovation happens -- 18 months later, my boss said I could do it on the side, as a sort of a play project, kick the tires of a new computer we'd got. And so he gave me the time to code it up. So I basically roughed out what HTML should look like: hypertext protocol, HTTP; the idea of URLs, these names for things which started with HTTP. I wrote the code and put it out there.
پس به عقب برمی گردیم به سال 1989، من یک یادداشت نوشتم و یک سیستم جهانی فرامتنی (hypertext) پیشنهاد کردم. کسی واقعا کاری برای آن نکرد بود ، تقریبا ولی 18 ماه بعد--این است که چگونه اختراعی به وقوع می پیوندد-- 18 ماه بعد، مدیر من گفت که من می توانم آن را در کنار کارهای دیگر انجام دهم، به عنوان یک پروژه سرگرمی، با استفاده از یک کامپیوتر جدیدی که داشتیم آماده کار شدم . و او به من فرصت آن را داد تا آن را رمز گذاری و برنامه نویسی کنم. خُب من HTML را شبیه چیزی که باید باشه در آوردم: پروتکل فرامتنی، HTTP ایده ی URL، این اسامی برای چیزهایی که با HTTP شروع شدند من برنامه رو نوشتم و آنجا گذاشتم
Why did I do it? Well, it was basically frustration. I was frustrated -- I was working as a software engineer in this huge, very exciting lab, lots of people coming from all over the world. They brought all sorts of different computers with them. They had all sorts of different data formats, all sorts, all kinds of documentation systems. So that, in all that diversity, if I wanted to figure out how to build something out of a bit of this and a bit of this, everything I looked into, I had to connect to some new machine, I had to learn to run some new program, I would find the information I wanted in some new data format. And these were all incompatible. It was just very frustrating. The frustration was all this unlocked potential.
چرا من این کار را کردم؟ خوب، اساسا این ناامیدی بود من ناامید بودم -- به عنوان یک مهندس نرم افزار کار می کردم در یک آزمایشگاه بسیار بزرگ و خیلی جالب بسیاری از افراد از سراسر جهان آمده بودند آنها با خودشان همه نوع کامپیوترهای مختلفی را آوردند آنها همه نوع فرمتهای داده ها را داشتند همه نوع، همه جور سیستمهای اسناد ومدارک بنابراین، دروسط اون همه تنوع اگر می خواستم بدونم که چه جوری می شه چیزی را ساخت از کمی از این و کمی از آن ، و هرچیزی را که بررسی می کردم، مجبور بودم به بعضی از ماشینهای جدید وصل بشوم مجبور بودم یاد بگیرم که بعضی از برنامه های جدید را اجرا کنم اطلاعاتی را که می خواستم در بعضی از فرمتهای داده های جدید پیدا می کردم و تمام اینها با هم ناسازگار بودند این واقعا خیلی ناامید کننده بود. ناامیدیی که تمام این پتانسیل فقل نشده بود
In fact, on all these discs there were documents. So if you just imagined them all being part of some big, virtual documentation system in the sky, say on the Internet, then life would be so much easier. Well, once you've had an idea like that it kind of gets under your skin and even if people don't read your memo -- actually he did, it was found after he died, his copy. He had written, "Vague, but exciting," in pencil, in the corner.
در واقع، بر روی تمام آن دیسکها، سندها و مدارکی وجود داشت خوب اگر شما فقط همه ی آنها را تصور کنید که قسمتی از یک سیستم بزرگ و مجازی سندها و مدارک در آسمان باشند بگیم مثلا بر روی اینترنت در آن صورت، زندگی خیلی بیشتر آسانتر می شه خوب، وقتی که یه ایده ای داری که وارد وجودت می شه و حتی اگه مردم یادداشتهای تو رو نخونن در واقع او این کار را کرده بود، بعد از فوتش پیدا شد، کپی آن نوشته شده بود با مداد در گوشه ، " نامعلوم، ولی جالب"
(Laughter)
(خنده حضار)
But in general it was difficult -- it was really difficult to explain what the web was like. It's difficult to explain to people now that it was difficult then. But then -- OK, when TED started, there was no web so things like "click" didn't have the same meaning. I can show somebody a piece of hypertext, a page which has got links, and we click on the link and bing -- there'll be another hypertext page. Not impressive. You know, we've seen that -- we've got things on hypertext on CD-ROMs. What was difficult was to get them to imagine: so, imagine that that link could have gone to virtually any document you could imagine. Alright, that is the leap that was very difficult for people to make. Well, some people did. So yeah, it was difficult to explain, but there was a grassroots movement. And that is what has made it most fun. That has been the most exciting thing, not the technology, not the things people have done with it, but actually the community, the spirit of all these people getting together, sending the emails. That's what it was like then.
ولی در مجموع مشکل بود-- خیلی مشکل بود که توضیح بدهی که وب به چه شکل بود الان مشکل است که به مردم توضیح بدهی که ان موقع مشکل و سخت بوده است ولی بعد-- خوب، وقتی TED شروع شد، وبی وجود نداشت بنابراین چیزهایی مثل "کلیک" مفهومی مثل مفهوم الان نداشت من می توانم به کسی یک قطعه ای از فرامتن را نشان بدهم یک صفحه ی دارای لینکها و وقتی که روی یک لینک، کلیک می کنیم-- یک صفحه ی فرامتنی دیگر باز می شود اصلا جالب نیست می دونید که ما آن را دیده ایم-- بر روی CD-ROM ها چیزهای فرامتنی داشته ایم چیزی که مشکل بود این بود که چه طور آنها را تصور کنیم خوب، تصور اینکه آن لینک می تونه در واقع بره به هر سندی که شما می تونید تصور می کنید بسیار خوب، این پرشی است که انجام آن برای افراد بسیار مشکل است خوب، بعضی افراد انجام دادند بله، خیلی مشکل است که توضیح بدهی، ولی یک حرکت اساسی و مردمی وجود داشت که آن را چیزی را که میساخت برای سرگرمی بود. و این بیشترین چیز هیجانی آن است نه فناوری، نه چیزهایی که افراد با آنها کار را انجام داده اند بلکه در واقع اجتماع، روحیه ی همه ی این افراد با هم شده، ایمیل ها فرستاده شده این است چیزی که شبیه آن بود
Do you know what? It's funny, but right now it's kind of like that again. I asked everybody, more or less, to put their documents -- I said, "Could you put your documents on this web thing?" And you did. Thanks. It's been a blast, hasn't it? I mean, it has been quite interesting because we've found out that the things that happen with the web really sort of blow us away. They're much more than we'd originally imagined when we put together the little, initial website that we started off with. Now, I want you to put your data on the web. Turns out that there is still huge unlocked potential. There is still a huge frustration that people have because we haven't got data on the web as data.
می دانید چی؟ خنده دار است ولی همین الان این تقریبا شبیه آن موقع شده است دوباره من از همه پرسیدم، کمتر و بیشتر، سندها و مدارک خود را بگذارند-- من گفتم "می شه سندها و مدارک خودتان را بروی این وب بگذارید؟" و شما انجام دادید ممنون این یک معرکه بود. نبود؟ منظورم این است، این خیلی جالب بود به دلیل اینکه متوجه شدیم که چیزهایی که بر روی وب در حال روی دادن است واقعا هوش از کله ادم می پراند! آنها بسیار بیشتراز چیزهایی بودند که ما در اصل تصور می کردیم وقتی کم کم در کنار هم قرار دادیم، وب سایت اولیه ای که ما با آن شروع کردیم الان، من از شما می خواهم که داده های خود را بر روی وب قرار دهید معلوم می شود که پتانسیل عظیم قفل نشده ای که وجود دارد. هنوز مردم نا امیدی زیادی دارند به دلیل اینکه ما داده ها را بر روی وب به عنوان داده نگرفتیم. هنوز مردم نا امیدی زیادی دارند به دلیل اینکه ما داده ها را بر روی وب به عنوان داده نگرفتیم.
What do you mean, "data"? What's the difference -- documents, data? Well, documents you read, OK? More or less, you read them, you can follow links from them, and that's it. Data -- you can do all kinds of stuff with a computer. Who was here or has otherwise seen Hans Rosling's talk? One of the great -- yes a lot of people have seen it -- one of the great TED Talks. Hans put up this presentation in which he showed, for various different countries, in various different colors -- he showed income levels on one axis and he showed infant mortality, and he shot this thing animated through time. So, he'd taken this data and made a presentation which just shattered a lot of myths that people had about the economics in the developing world.
منظور از "داده" چیست؟ چه تفاوتی بین داده و سند و مدارک وجود دارد؟ خوب، سند و مدارک را شما می خوانی، خوب؟ کم و بیش، شما آنها را می خوانید، لینکهایی را دنبال می کنید از آنها، و این است. داده -- شما می توانید همه کارهای مختلفی را با کامپیوتر انجام دهید. چه کسی آنجا بود یا سخنرانی هانس رسلینگ (Hans Rosling) را دیده؟ یکی از بهترینها-- بله تعداد بسیار زیادی از مردم آن را دیده اند-- یکی از بهترین سخنرانی های TED هنس (Hans) این ارایه را قرار داد که او در آن، برای کشورهای مختلف، رنگ های مختلف نشان داد، سطح درآمد را در یک محور نشان داد و اومرگ و میر نوزادان را نشان داد ، و او این چیز را به صورت متحرک در طول زمان نشان داد. بنابراین، او این داده ها را گرفته و یک ارائه ساخته است که بسیاری از افسانه هایی که مردم دارند را درهم شکست در مورد اقتصاد در جهان در حال توسعه.
He put up a slide a little bit like this. It had underground all the data OK, data is brown and boxy and boring, and that's how we think of it, isn't it? Because data you can't naturally use by itself But in fact, data drives a huge amount of what happens in our lives and it happens because somebody takes that data and does something with it. In this case, Hans had put the data together he had found from all kinds of United Nations websites and things. He had put it together, combined it into something more interesting than the original pieces and then he'd put it into this software, which I think his son developed, originally, and produces this wonderful presentation. And Hans made a point of saying, "Look, it's really important to have a lot of data." And I was happy to see that at the party last night that he was still saying, very forcibly, "It's really important to have a lot of data."
او یک اسلاید کمی شبیه به این قرار داد. این منبع تمام داده ها بود خوب، داده ها قهوه ای، جعبه مانند و خسته کننده است، و این است چیزی که ما از آن فکر می کنم، نه؟ چونکه شما نمی توانید به طور طبیعی به خودی خود از آن استفاده کنید اما در واقع، داده ها همواره از مقدار زیادی از آنچه اتفاق می افتد در زندگی ما و آن اتفاق می افتد استخراج می شوند ، زیرا کسی داده ها را گرفته و کاری با آن انجام داده است. در این مورد، هنس داده ها را با هم قرار داده بود او داده ها را از همه ی انواع وب سایت های سازمان ملل متحد و چیزهای دیگر پیدا کرده او آن را باهم قرار داده بود ترکیب می کرد آن را به چیزی جالب تر از قطعات اصلی و پس آن را در این نرم افزار قرار داده بود که من فکر می کنم پسرش، در اصل، کدش را نوشته بود و این ارائه فوق العاده را تولید کرده است و هانس به نکته ای اشاره کرد گفت: نگاه کن، واقعا مهم است که داده زیادی داشته باشی و من خوشحال بودم که ببینیم که در مهمانی شب گذشته که او بسیار قاطع گفت، واقعا مهم است که بسیاری داده داشته باشی
So I want us now to think about not just two pieces of data being connected, or six like he did, but I want to think about a world where everybody has put data on the web and so virtually everything you can imagine is on the web and then calling that linked data. The technology is linked data, and it's extremely simple. If you want to put something on the web there are three rules: first thing is that those HTTP names -- those things that start with "http:" -- we're using them not just for documents now, we're using them for things that the documents are about. We're using them for people, we're using them for places, we're using them for your products, we're using them for events. All kinds of conceptual things, they have names now that start with HTTP.
بنابراین از خودمان می خواهم که فکر کنیم درباره ی نه تنها از دو قطعه داده ها متصل شود، یا شش قطعه مانند کاری که او انجام داد اما من می خواهم در مورد جهان که در آن همه داده ها بر روی وب قرار داده فکر می کنم و تقریبا همه چیزی که می توانید تصور کنید بر روی وب است و سپس داده های مرتبط را فراخوانی کنید فن آوری، داده های مرتبط است، و بسیار ساده است اگر می خواهید چیزی بر روی وب قراربدهید، سه قانون وجود دارد اولین، چیزهایی است با نام HTTP - آن چیزهایی است که با "HTTP:" شروع می شود -- ما ازآنها الان تنها برای اسناد و مدارک استفاده نمی کنیم ما ازآنها برای چیزهایی استفاده می کنیم که اسناد و مدارک در موردشان است ما از آنها برای افراد و مکان ها استفاده می کنیم ما ار آنها برای محصولات استفاده می کنیم، برای رویدادها و حوادث همه نوع چیزهای مفهومی، آنها دارای اسامی هستند که با HTTP شروع می شود
Second rule, if I take one of these HTTP names and I look it up and I do the web thing with it and I fetch the data using the HTTP protocol from the web, I will get back some data in a standard format which is kind of useful data that somebody might like to know about that thing, about that event. Who's at the event? Whatever it is about that person, where they were born, things like that. So the second rule is I get important information back.
قانون دوم، اگر من یکی از این نام های HTTP را در نظر بگیرم وآن را جستجو کنم و انجام بدهم وب و اینها را با آن و داده ها را واکشی کنم با استفاده از پروتکل HTTP از وب من تقریبا داده ها در یک قالب استاندارد خواهم گرفت که نوعی از داده های مفید است که ممکن است کسی بخواهد بداند در مورد آن چیز، درباره ی آن رویداد چه کسی در این مراسم است؟ هر آنچه را که در مورد آن شخص است جایی که آنها متولد شدند، چیزهایی شبیه به آن بنابراین قانون دوم این است که اطلاعات مهم را بازپس بگیرم
Third rule is that when I get back that information it's not just got somebody's height and weight and when they were born, it's got relationships. Data is relationships. Interestingly, data is relationships. This person was born in Berlin; Berlin is in Germany. And when it has relationships, whenever it expresses a relationship then the other thing that it's related to is given one of those names that starts HTTP. So, I can go ahead and look that thing up. So I look up a person -- I can look up then the city where they were born; then I can look up the region it's in, and the town it's in, and the population of it, and so on. So I can browse this stuff.
قانون سوم این است که زمانی که من اطلاعات را بازپس گرفتم نه تنها قد و وزن کسی است و وقتی که آنها متولد شدند آن روابطی است که به وجود آمده است داده ها روابط است جالب توجه است، داده ها روابط است این شخص در برلین متولد شد، و برلین در آلمان است و هنگامی که آن روابط وجود دارند، هر زمان که بیانگر یک رابطه باشند سپس چیز دیگری که آن را مرتبط می کند یکی از آن اسامی داده می شود که با HTTP شروع می شود بنابراین، من می توانم پیش برویم وآن چیز را جستجو کنم بنابراین من جستجو می کنم یک فرد را - سپس می توانم شهری را که در آن متولد شده جستجو کنم؛ و پس از آن منطقه ای که از آن است را جستجو کنم، و سپس شهری که در آن منطقه قرار دارد و جمعیت آن، و غیره بنابراین من می توانم این مسائل را مرور کنم
So that's it, really. That is linked data. I wrote an article entitled "Linked Data" a couple of years ago and soon after that, things started to happen. The idea of linked data is that we get lots and lots and lots of these boxes that Hans had, and we get lots and lots and lots of things sprouting. It's not just a whole lot of other plants. It's not just a root supplying a plant, but for each of those plants, whatever it is -- a presentation, an analysis, somebody's looking for patterns in the data -- they get to look at all the data and they get it connected together, and the really important thing about data is the more things you have to connect together, the more powerful it is.
خُب همین است، واقعا این داده های مرتبط است من چند سال پیش مقاله ای نوشتم تحت عنوان: داده های مرتبط و خیلی زود پس از آن، همه چیز شروع شد به اتفاق افتادن ایده ی داده های مرتبط است که ما می گیریم تعداد بسیار بسیار بسیار زیادی از این جعبه هایی که هنس داشت و ما به تعداد بسیار بسیار و بسیارزیادی از چیزهایی که درحال جوانه زدن هستند. این فقط تعداد زیادی از گیاهان نیست . این فقط یک ریشه که یک گیاه را نگه می دارد نیست بلکه برای هر یک از این گیاهان، هر آنچه در آن است-- ارائه، تجزیه و تحلیل، کسی به دنبال الگوهای موجود در داده ها آنها به دنبال تمام داده ها نگاه بندازند و آنها آن را متصل به هم کنند، و چیزی که واقعا در مورد داده ها مهم است این است که هر چه شما چیزهای بیشتری برای ارتباط با یکدیگر داشته باشید، قوی تر خواهد بود
So, linked data. The meme went out there. And, pretty soon Chris Bizer at the Freie Universitat in Berlin who was one of the first people to put interesting things up, he noticed that Wikipedia -- you know Wikipedia, the online encyclopedia with lots and lots of interesting documents in it. Well, in those documents, there are little squares, little boxes. And in most information boxes, there's data. So he wrote a program to take the data, extract it from Wikipedia, and put it into a blob of linked data on the web, which he called dbpedia. Dbpedia is represented by the blue blob in the middle of this slide and if you actually go and look up Berlin, you'll find that there are other blobs of data which also have stuff about Berlin, and they're linked together. So if you pull the data from dbpedia about Berlin, you'll end up pulling up these other things as well. And the exciting thing is it's starting to grow. This is just the grassroots stuff again, OK?
بنابراین، داده های مرتبط ایده از آنجا بیرون رفت و خیلی زود کریس بیزر در دانشگاه فرییر در برلین که یکی از اولین کسانی که چیزهای جالب را انجام می داد وی متوجه شد که ویکیپدیا-- شما ویکیپدیا، دانشنامه آنلاین را میشناسید با مقدار زیادی از اسناد جالب، که در آن است خب، در آن اسناد، مربع های کوچک، جعبه های کوچک وجود دارد و در بیشتر جعبه های اطلاعات، داده هایی وجود دارد خُب او برنامه ای را نوشت که داده های را بگیرد ، آنها را از ویکیپدیا استخراج کرد، و آن را به یک حبابی از داده های مرتبط تبدیل کرد بر روی وب، که آن را dbpedia نامید Dbpedia توسط حباب آبی در وسط این اسلاید نشان داده شده و اگر شما واقعا بروید و به کلمه "برلین" نگاه کنید حباب های دیگری از داده ها را پیدا می کنید که همچنین چیزهایی در مورد برلین دارند، و آنها در ارتباط با یکدیگرهستند بنابراین اگر داده ها را از dbpedia در مورد برلین بکشید شما در نهایت همه ی چیزهای دیگر را همراه آن می کشید و نکته هیجان انگیز این است که آن شروع به رشد می کند این تنها یک حرکت مردمیست ، دوباره ، بسیار خوب؟
Let's think about data for a bit. Data comes in fact in lots and lots of different forms. Think of the diversity of the web. It's a really important thing that the web allows you to put all kinds of data up there. So it is with data. I could talk about all kinds of data. We could talk about government data, enterprise data is really important, there's scientific data, there's personal data, there's weather data, there's data about events, there's data about talks, and there's news and there's all kinds of stuff. I'm just going to mention a few of them so that you get the idea of the diversity of it, so that you also see how much unlocked potential.
بیایید در مورد داده ها کمی فکر می کنم داده ها می آید در واقع از اشکال بسیار بسیار مختلفی می آیند به تنوع وب فکر کنید. این چیز واقعا مهمی است که وب به شما اجازه می دهد تا همه انواع داده ها را در آن قرار دهید پس آن با داده ها است. من می توانستم در مورد همه انواع داده ها صحبت کنم ما می تواند در مورد داده های دولت صحبت می کنید، داده های سازمانی است که واقعا مهم است داده های علمی، داده ها وجود دارد شخصی وجود دارد اطلاعات آب و هوا وجود دارد، اطلاعات در مورد رویدادها وجود دارد داده هایی در مورد سخنرانی ها وجود دارد، در مورد اخبار و همه نوع ازاین موارد من فقط به ذکر تعداد کمی از آنها بسنده می کنم به طوری که شما می توانید ایده در تنوع آن را دریابید بنابراین، شما می بینید که چقدر پتانسیل باز وجود دارد
Let's start with government data. Barack Obama said in a speech, that he -- American government data would be available on the Internet in accessible formats. And I hope that they will put it up as linked data. That's important. Why is it important? Not just for transparency, yeah transparency in government is important, but that data -- this is the data from all the government departments Think about how much of that data is about how life is lived in America. It's actual useful. It's got value. I can use it in my company. I could use it as a kid to do my homework. So we're talking about making the place, making the world run better by making this data available.
بیایید از داده های دولت شروع کنیم باراک اوباما در یک سخنرانی گفت که او - اطلاعات دولت آمریکا بر روی اینترنت در دسترس خواهد بود در فرمت های قابل دسترس و من امیدوارم که آنها آن را به صورت داده های مرتبط قرار دهند این مهم است. چرا مهم است؟ نه فقط برای شفافیت، البته شفافیت در دولت مهم است اما داده ها - این داده هایی از همه ادارات دولتی است فکر کنید در مورد اینکه چقدراز این داده ها در مورد چگونگی زندگی در آمریکا است این واقعی مفید است. این ارزشمند است من می توانم ازآنها در شرکتم استفاده کنم من می توانم آن را به عنوان یک بچه برای انجام مشق شب استفاده کنم بنابراین ما در مورد ساختن موقعیت، ساختن جهان برای بهتر اداره شدن صحبت می کنیم با قابل دسترس گذاشتن این داده ها
In fact if you're responsible -- if you know about some data in a government department, often you find that these people, they're very tempted to keep it -- Hans calls it database hugging. You hug your database, you don't want to let it go until you've made a beautiful website for it. Well, I'd like to suggest that rather -- yes, make a beautiful website, who am I to say don't make a beautiful website? Make a beautiful website, but first give us the unadulterated data, we want the data. We want unadulterated data. OK, we have to ask for raw data now. And I'm going to ask you to practice that, OK? Can you say "raw"?
در واقع اگر شما مسئول باشید- اگر شما در مورد برخی از داده ها بدانید در بخش دولتی، اغلب شما می فهمید که این افراد، تمایل دارند که آنها را با وسوسه بسیاری نگه دارند هنس آن را بغل کردن پایگاه داده می نامد شما پایگاه داده خود را در آغوش می گیرید، نمی خواهم که بگذارید که آن برود تا زمانی که شما یک وب سایت زیبا برای آن می سازید خب، من می خواهم پیشنهاد بدهم که به جای بله، ساختن یک وب سایت زیبا من که هستم که بگویم یک وب سایت زیبا را نسازید؟ یک وب سایت زیبا بسازید، اما در ابتدا اطلاعات خالص را به ما بدهید ما داده ها را می خواهیم ما داده های مخلوط نشده را می خواهیم خوب، ما هم اکنون برای داده های خام درخواست می کنیم و من قصد دارم از شما بخواهم که به آن عمل کنید، خوب؟ آیا می شود بگویید "خام"؟
Audience: Raw.
حضار: خام
Tim Berners-Lee: Can you say "data"?
تیم برنرز لی: می شود بگویید "داده"؟
Audience: Data.
حضار: داده
TBL: Can you say "now"?
می شود بگویید "الان"؟
Audience: Now!
حضار: الان
TBL: Alright, "raw data now"!
بسیار خوب، داده های خام الان
Audience: Raw data now!
حضار:داده های خام الان
Practice that. It's important because you have no idea the number of excuses people come up with to hang onto their data and not give it to you, even though you've paid for it as a taxpayer. And it's not just America. It's all over the world. And it's not just governments, of course -- it's enterprises as well.
تمرین کنید. این مهم است زیرا شما هیچ ایده ندارید از تعدادی عذر و بهانه افراد می آیند تا خود را بر روی داده های خود را آویزان کنند و آن را به شما نمی دهد، حتی اگر شما پول آن را به عنوان مالیات دهنده پرداخت کرده باشید و این فقط در امریکا نیست. در سراسر جهان است و این نه فقط در مورد دولت ها است، بلکه- در مورد شرکتها نیز است
So I'm just going to mention a few other thoughts on data. Here we are at TED, and all the time we are very conscious of the huge challenges that human society has right now -- curing cancer, understanding the brain for Alzheimer's, understanding the economy to make it a little bit more stable, understanding how the world works. The people who are going to solve those -- the scientists -- they have half-formed ideas in their head, they try to communicate those over the web. But a lot of the state of knowledge of the human race at the moment is on databases, often sitting in their computers, and actually, currently not shared.
خوب من فقط به ذکر چند ایده ی دیگر بر روی داده می پردازم در اینجا ما در TED، و تمام وقتهای دیگر از چالش های بزرگی که جامعه بشری در حال حاضروجود دارد بسیار آگاه هستیم-- در اینجا ما در TED، و تمام وقتهای دیگر از چالش های بزرگی که جامعه بشری در حال حاضروجود دارد بسیار آگاه هستیم-- درمان سرطان، درک کارکرد مغز در بیماری آلزایمر درک اقتصاد که آن را کمی با ثبات تر کنیم درک جهان که چگونه کار می کند. افرادی که در حال حل کردن آنها هستند - دانشمندان - آنها نیمه شکل ایده ها را در ذهن خود دارند، آنها سعی می کنند که ارتباط برقرار کنند با بقیه در سراسر وب اما بسیاری از حالتهای دانش بشری در حال حاضر بر روی پایگاه های داده است، اغلب در رایانه ها هست، و در واقع، در حال حاضر به اشتراک گزارده نشده اند.
In fact, I'll just go into one area -- if you're looking at Alzheimer's, for example, drug discovery -- there is a whole lot of linked data which is just coming out because scientists in that field realize this is a great way of getting out of those silos, because they had their genomics data in one database in one building, and they had their protein data in another. Now, they are sticking it onto -- linked data -- and now they can ask the sort of question, that you probably wouldn't ask, I wouldn't ask -- they would. What proteins are involved in signal transduction and also related to pyramidal neurons? Well, you take that mouthful and you put it into Google. Of course, there's no page on the web which has answered that question because nobody has asked that question before. You get 223,000 hits -- no results you can use. You ask the linked data -- which they've now put together -- 32 hits, each of which is a protein which has those properties and you can look at. The power of being able to ask those questions, as a scientist -- questions which actually bridge across different disciplines -- is really a complete sea change. It's very very important. Scientists are totally stymied at the moment -- the power of the data that other scientists have collected is locked up and we need to get it unlocked so we can tackle those huge problems.
در حقیقت ، من فقط می خواهم به این نکته اشاره کنم-- اگر شما به دنبال درک آلزایمرهستید، برای مثال کشف مواد مخدر - مقدار زیادی از داده های مرتبط وجود دارد که مد حال ارسال شدن هستند. زیرا دانشمندان در این زمینه متوجه شدند این یک راه بسیار خوبی است که از این سیلوها- انباره های اطلاعاتی بیرون بیاید چرا که آنها اطلاعات ژنتیک خود را در یک پایگاه داده در یک ساختمان، و داده های پروتئین خود را در دیگری داشتند در حال حاضر، آنها به این داده ها چسبیده اند-- داده های مرتبط-- و اکنون آنها می توانند از سوالی را بپرسند، که شما احتمالا آن را نمی پرسیدید من نمی پرسیدم - آنها می پرسیدند چه پروتئین های درگیر انتقال سیگنال هستند و همچنین به نورون های هرمی ارتباط دارند؟ خوب، آن جمله را عینا برداشته و درجستجوی گوگل قرار می دهید البته، هیچ صفحه بر روی وب نیست که به این سؤال پاسخ داده باشد چرا که هیچ کسی این سوال را قبلا نپرسیده است شما 223.000 مورد جستجو می گیرید ولی نتیجتا از هیچ کدام نمی توانیداستفاده کنید ازداده های مرتبط بپرسید - که اکنون ماآنها را با جم جمع کردیم-- 32 نتیجه ی جستجو، که هر یک از آنها یک پروتئین است که آن خواص را دارا است و شما می توانید به آن نگاه کنید، نتیجه بخش است به عنوان یک دانشمند قدرت داشتن برای پرسیدن این پرسشها در واقع یک تغییر اساسی و کیفی است،پرسش هایی که در واقع پلی میان رشته های مختلف هستند. به عنوان یک دانشمند قدرت داشتن برای پرسیدن این پرسشها در واقع یک تغییر اساسی و کیفی است،پرسش هایی که در واقع پلی میان رشته های مختلف هستند. به عنوان یک دانشمند قدرت داشتن برای پرسیدن این پرسشها در واقع یک تغییر اساسی و کیفی است،پرسش هایی که در واقع پلی میان رشته های مختلف هستند. بسیار بسیار مهم است دانشمندان در حال حاضر کاملا به مانع خورده اند قدرت داده هایی که دیگر دانشمندان جمع آوری کرده اند، قفل شده است و ما باید قفل ها را باز کنیم تا بتوانیم با این مشکلات بزرگ مقابله کنیم
Now if I go on like this, you'll think that all the data comes from huge institutions and has nothing to do with you. But, that's not true. In fact, data is about our lives. You just -- you log on to your social networking site, your favorite one, you say, "This is my friend." Bing! Relationship. Data. You say, "This photograph, it's about -- it depicts this person. " Bing! That's data. Data, data, data. Every time you do things on the social networking site, the social networking site is taking data and using it -- re-purposing it -- and using it to make other people's lives more interesting on the site. But, when you go to another linked data site -- and let's say this is one about travel, and you say, "I want to send this photo to all the people in that group," you can't get over the walls. The Economist wrote an article about it, and lots of people have blogged about it -- tremendous frustration. The way to break down the silos is to get inter-operability between social networking sites. We need to do that with linked data.
حالا اگر من مثل این مورد ادامه دهم، شما فکر می کنید که اگر تمام داده ها از مؤسسات بزرگ بیرون بیاید شما کاری با آن نمیتوانید بکنید. حالا اگر من مثل این مورد ادامه دهم، شما فکر می کنید که اگر تمام داده ها از مؤسسات بزرگ بیرون بیاید شما کاری با آن نمیتوانید بکنید. اما، این درست نیست در حقیقت ، داده ها در مورد زندگی ما است شما فقط - شما به سایت های شبکه های اجتماعی خود وارد شوید یکی ازآن سایتهایی مورد علاقه خود، شما می گویید: این دوست من است بینگ! ارتباط. داده شما می گویید: این عکس، در مورد -- این شخص است بینگ! داده ها است. داده ها، داده ها، داده ها هر بار شما چیزهایی را در سایت های شبکه های اجتماعی انجام می دهید سایت های شبکه اجتماعی در حال گرفتن داده ها و استفاده از آن هستند و با استفاده از آن زندگی مردم دیگر را بر روی سایت جالب تر می کنند اما، هنگامی که شما به سایت داده های مرتبط می روید و اجازه دهید که این یکی در مورد سفرباشد مثلا و به شما می گویید: من می خواهم این عکس را به همه افراد در آن گروه ارسال کنم شما نمی توانید از دیوارها عبور کنید مجله اکونومیست یک مقاله در مورد آن نوشت، و تعداد زیادی از مردم در مورد آن وب بلاگ نویسی کردند سرخوردگی فوق العاده ای راه شکسته شدن سیلوها - انبارهای اطلاعاتی این است که آنها را بین عملیاتی بین سایت های شبکه های اجتماعی نماییم (که بتوانند با هم ارتباط داشته باشند) برای انجام این کارما نیازمندیم با داده های مرتبط کار کنیم
One last type of data I'll talk about, maybe it's the most exciting. Before I came down here, I looked it up on OpenStreetMap The OpenStreetMap's a map, but it's also a Wiki. Zoom in and that square thing is a theater -- which we're in right now -- The Terrace Theater. It didn't have a name on it. So I could go into edit mode, I could select the theater, I could add down at the bottom the name, and I could save it back. And now if you go back to the OpenStreetMap. org, and you find this place, you will find that The Terrace Theater has got a name. I did that. Me! I did that to the map. I just did that! I put that up on there. Hey, you know what? If I -- that street map is all about everybody doing their bit and it creates an incredible resource because everybody else does theirs. And that is what linked data is all about. It's about people doing their bit to produce a little bit, and it all connecting. That's how linked data works. You do your bit. Everybody else does theirs. You may not have lots of data which you have yourself to put on there but you know to demand it. And we've practiced that.
یکی از آخرین نوع داده ها که در مورد آن صحبت خواهم کرد، شاید هیجان انگیز ترین است قبل از اینکه من اینجا بیام، به نقشه مجانی جهانی OpenStreetMap نگاه کردم OpenStreetMap یک نقشه است، اما یک ویکی نیز است آن را بزرگ نمایی کردم و چیزی که شبیه مربع است آمفی تئاتر است - جایی که ما الان در آن هستیم تئاتر تراس. نامی روی آن نبود. بنابراین من می توانستم به حالت ویرایش برم و تئاتر را انتخاب کنم من می توانستم در پایین نام را اضافه کنم، و آن را ذخیره کنم و حالا اگر شما برگردید به OpenStreetMap.org و این مکان را پیدا کنید، تئاتر تراس را پیدا می کنید که نامی گرفته است آن کار را من انجام دادم من این کار را در روی نقشه انجام دادم. همین الان این کار را انجام دادم من آن را آنجا قرار دادم، شما می دانید چه؟ اگر من - آن نقشه خیابان در مورد همه افرادی است که مقدار جزئی انجام می دهند و آن یک منبع فوق العاده را ایجاد می کند زیرا بقیه سهم خودشان را انجام می دهند و این همان چیزی است که داده های مرتبط در رابطه با آن است این در مورد افرادی است که سهم اندک خود را انجام می دهند برای تولید بسیار اندک، و همه ی آن به هم متصل هستند این چگونگی کار داده های مرتبط است شما سهم اندک خود را انجام بدهید. هر کسی دیگری سهم اندک خود را انجام می دهد شما ممکن است مقدار زیادی از داده ها را نداشته باشید که باید خودتان آنجا قرار دهید اما شما می دانید که آن را درخواست کنید. و ما آن را تمرین کرده ایم.
So, linked data -- it's huge. I've only told you a very small number of things There are data in every aspect of our lives, every aspect of work and pleasure, and it's not just about the number of places where data comes, it's about connecting it together. And when you connect data together, you get power in a way that doesn't happen just with the web, with documents. You get this really huge power out of it. So, we're at the stage now where we have to do this -- the people who think it's a great idea. And all the people -- and I think there's a lot of people at TED who do things because -- even though there's not an immediate return on the investment because it will only really pay off when everybody else has done it -- they'll do it because they're the sort of person who just does things which would be good if everybody else did them. OK, so it's called linked data. I want you to make it. I want you to demand it. And I think it's an idea worth spreading.
بنابراین، داده های مرتبط - بسیار بزرگ و کلان است من فقط تعداد بسیار کمی از چیزها را گفتم داده ها در هر جنبه ای از زندگی ما وجود دارند، هر جنبه ای از کار و لذت و تفریح، و این نه فقط در مورد تعدادی از مکان هایی است که داده ها می آید این درباره اتصال آنها به همدیگر است و هنگامی که شما داده ها را به یکدیگر ارتباط می دهید، به شما قدرت می دهد در راهی که اتفاق نمی افتاد فقط با وب، با اسناد و مدارک شما واقعا قدرت عظیمی از آن دریافت می کنید خُب، ما الان دراین مرحله هستیم جایی که ما باید این کار را انجام دهیم - افرادی که فکر می کنند این یک ایده بزرگ است. و همه مردم - و من فکر می کنم بسیاری از افراد در TED هستند که کارهایی را انجام می دهند به دلیل - حتی اگر بازگشت فوری در سرمایه گذاری وجود نداشته باشد چونکه در واقع تنها زمانی نتیجه بخش می شود که بقیه آن را انجام دهند - آنها آن را انجام خواهند داد چون آنها افرادی هستند که فقط کارهایی خوبی را انجام می دهند که دیگران آن را قبلا انجام داده اند. آنها آن را انجام خواهند داد چون آنها افرادی هستند که فقط کارهایی خوبی را انجام می دهند که دیگران آن را قبلا انجام داده اند. خوب، این داده های مرتبط نامیده می شود. من از شما می خواهم که آن را بسازید من از شما می خواهم که آن را بخواهید. و من فکر می کنم این ایده ای است که ارزش گسترش آن را دارد.
Thanks.
ممنون
(Applause)
(تشویق حضار)