ABOUT THE SPEAKER
Shyam Sankar - Data Intelligence Agent
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets.

Why you should listen

Shyam Sankar is a Director at Palantir Technologies, a secretive Silicon Valley company where he oversees deployments of the company's core technology, which helps law enforcement teams and corporations analyze giant, unrelated databases for clues to potential ... anything. Palantir technologies has been used to find missing children, to detect banking fraud, and to uncover the Shadow Network, a cyber-spy ring that stooped so low as to hack the Dalai Lama's email.

As part of his work, Sankar thinks deeply about the place where human and machine intelligence meet. While artificial intelligence (AI) is the dominant paradigm, he is an advocate of JCR Licklider's "intelligence augmentation" (IA) approach, where algorithms and brains work together to solve problems.

More profile about the speaker
Shyam Sankar | Speaker | TED.com
TEDGlobal 2012

Shyam Sankar: The rise of human-computer cooperation

Shyam Sankar: L'ascesa della collaborazione uomo-computer

Filmed:
947,418 views

La sola forza bruta dei computer non può risolvere i problemi del mondo. L'innovatore esperto in estrazione di dati Shyam Sankar spiega perché per risolvere grossi problemi (come catturare terroristi o identificare importanti enormi tendenze nascoste) non si tratta tanto di scoprire il giusto algoritmo, quanto della giusta relazione simbiotica tra computer e creatività umana.
- Data Intelligence Agent
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio

Double-click the English transcript below to play the video.

00:16
I'd like to tell you about two gamesi giochi of chessscacchi.
0
512
2556
Vi voglio raccontare di due partite a scacchi.
00:18
The first happenedè accaduto in 1997, in whichquale GarryGarry KasparovKasparov,
1
3068
3864
La prima si è tenuta nel 1997 e Garry Kasparov,
00:22
a humanumano, lostperduto to DeepProfondo BlueBlu, a machinemacchina.
2
6932
3716
umano, perse contro Deep Blue, una macchina.
00:26
To manymolti, this was the dawnalba of a newnuovo eraera,
3
10648
2240
Per molti è stata l'alba di una nuova era,
00:28
one where man would be dominateddominato by machinemacchina.
4
12888
2779
un'era in cui gli uomini sarebbero stati dominati dalle macchine.
00:31
But here we are, 20 yearsanni on, and the greatestpiù grande changemodificare
5
15667
3334
Ma eccoci qui, 20 anni dopo, il grande cambiamento
00:34
in how we relateriferirsi to computerscomputer is the iPadiPad,
6
19001
2690
delle nostre relazioni con i computer è l'iPad,
00:37
not HALHAL.
7
21691
2045
non HAL.
00:39
The secondsecondo gamegioco was a freestyleFreestyle chessscacchi tournamenttorneo
8
23736
2648
La seconda partita è un torneo di scacchi avanzati
00:42
in 2005, in whichquale man and machinemacchina could enteraccedere togetherinsieme
9
26384
2969
nel 2005 in cui uomo e macchina partecipavano insieme
00:45
as partnerspartner, ratherpiuttosto than adversariesavversari, if they so chosescelto.
10
29353
4666
come compagni, anziché come avversari, se volevano.
00:49
At first, the resultsrisultati were predictableprevedibile.
11
34019
1851
All'inizio i risultati erano prevedibili.
00:51
Even a supercomputersupercomputer was beatenbattuto by a grandmastergrande maestro
12
35870
2497
Anche un supercomputer si faceva battere da un maestro
00:54
with a relativelyrelativamente weakdebole laptopil computer portatile.
13
38367
2312
con un laptop relativamente poco potente.
00:56
The surprisesorpresa cameè venuto at the endfine. Who wonha vinto?
14
40679
2985
La sorpresa arrivò alla fine. Chi vinse?
00:59
Not a grandmastergrande maestro with a supercomputersupercomputer,
15
43664
2776
Non un gran maestro con un supercomputer,
01:02
but actuallyin realtà two AmericanAmericano amateursdilettanti
16
46440
1493
ma due dilettante americani
01:03
usingutilizzando threetre relativelyrelativamente weakdebole laptopscomputer portatili.
17
47933
3822
con tre laptop poco potenti.
01:07
TheirLoro abilitycapacità to coachallenatore and manipulatemanipolare theirloro computerscomputer
18
51755
2596
La loro capacità di manipolare e gestire i computer
01:10
to deeplyprofondamente exploreEsplorare specificspecifica positionsposizioni
19
54351
2435
per esplorare fino in fondo specifiche mosse
01:12
effectivelyefficacemente counteractedha neutralizzato the superiorsuperiore chessscacchi knowledgeconoscenza
20
56786
2390
contrastò efficacemente la superiorità negli scacchi
01:15
of the grandmastersgrandi maestri and the superiorsuperiore computationalcomputazionale powerenergia
21
59176
2609
dei grandi maestri e la maggiore capacità di calcolo
01:17
of other adversariesavversari.
22
61785
1909
di altri avversari.
01:19
This is an astonishingstupefacente resultrisultato: averagemedia menuomini,
23
63694
2905
È un risultato strabiliante: uomini comuni,
01:22
averagemedia machinesmacchine beatingbattito the bestmigliore man, the bestmigliore machinemacchina.
24
66599
4081
macchine comuni che battono gli uomini e le macchine migliori.
01:26
And anywaysin ogni modo, isn't it supposedipotetico to be man versuscontro machinemacchina?
25
70680
3199
Comunque, non doveva trattarsi di un duello uomo-macchina?
01:29
InsteadInvece, it's about cooperationcooperazione, and the right typetipo of cooperationcooperazione.
26
73879
4152
Invece si tratta di aziende e del giusto tipo di collaborazione.
01:33
We'veAbbiamo been payingpagare a lot of attentionAttenzione to MarvinMarvin Minsky'sDi Minsky
27
78031
2857
Negli ultimi 50 anni abbiamo prestato molta attenzione
01:36
visionvisione for artificialartificiale intelligenceintelligenza over the last 50 yearsanni.
28
80888
3242
alla visione sull'intelligenza artificiale di Marvin Minsky
01:40
It's a sexysexy visionvisione, for sure. ManyMolti have embracedabbracciato it.
29
84130
2262
È certamente una visione sexy. Molti la condividono.
01:42
It's becomediventare the dominantdominante schoolscuola of thought in computercomputer sciencescienza.
30
86392
2753
È diventata la scuola di pensiero dominante nell'informatica.
01:45
But as we enteraccedere the eraera of biggrande datadati, of networkRete systemssistemi,
31
89145
3072
Ma entrando nell'era dei grandi dati, delle reti,
01:48
of openAperto platformspiattaforme, and embeddedinserito technologytecnologia,
32
92217
2698
delle piattaforme aperte e della tecnologia incorporata,
01:50
I'd like to suggestsuggerire it's time to reevaluaterivaluta an alternativealternativa visionvisione
33
94915
3392
vorrei suggerire che è tempo di rivalutare una visione alternativa
01:54
that was actuallyin realtà developedsviluppato around the samestesso time.
34
98307
3070
sviluppata all'incirca nello stesso periodo.
01:57
I'm talkingparlando about J.C.R. Licklider'sDi Licklider human-computeruomo-computer symbiosissimbiosi,
35
101377
3332
Parlo della simbiosi uomo-computer di J.C.R. Licklider,
02:00
perhapsForse better termeddefinito "intelligenceintelligenza augmentationaumento," I.A.
36
104709
3808
che forse dovremmo chiamare "aumento dell'intelligenza", A.I.
02:04
LickliderLicklider was a computercomputer sciencescienza titantitano who had a profoundprofondo
37
108517
2640
Licklider era un titano dell'informatica che ha avuto
02:07
effecteffetto on the developmentsviluppo of technologytecnologia and the InternetInternet.
38
111157
3006
un profondo effetto sullo sviluppo della tecnologia e di internet.
02:10
His visionvisione was to enableabilitare man and machinemacchina to cooperatecooperare
39
114163
2868
La sua visione era quella di permettere all'uomo e alle macchine di collaborare
02:12
in makingfabbricazione decisionsdecisioni, controllingcontrollo complexcomplesso situationssituazioni
40
117031
3590
nel prendere decisioni, controllare le situazioni complesse
02:16
withoutsenza the inflexibleinflessibile dependencedipendenza
41
120621
1770
senza la dipendenza e la mancanza di flessibilità
02:18
on predeterminedpredeterminato programsprogrammi.
42
122391
2533
di programmi predeterminati.
02:20
NoteNota that wordparola "cooperatecooperare."
43
124924
2498
Notate quella parola "collaborare".
02:23
LickliderLicklider encouragesincoraggia us not to take a toastertostapane
44
127422
2747
Licklider non ci incoraggia a prendere un tostapane
02:26
and make it DataDati from "StarStar TrekTrek,"
45
130169
2284
e a farlo diventare Data di "Star Trek",
02:28
but to take a humanumano and make her more capablecapace.
46
132453
3535
ma a prendere un umano e renderlo più capace.
02:31
HumansEsseri umani are so amazingStupefacente -- how we think,
47
135988
1911
Gli umani sono straordinari -- il nostro modo di pensare,
02:33
our non-linearnon-lineare approachesapprocci, our creativitycreatività,
48
137899
2618
il nostro approccio non lineare, la nostra creatività,
02:36
iterativeiterativo hypothesesipotesi, all very difficultdifficile if possiblepossibile at all
49
140517
2131
le ipotesi iterative, tutto molto difficile, se non impossibile
02:38
for computerscomputer to do.
50
142648
1345
per i computer.
02:39
LickliderLicklider intuitivelyintuitivamente realizedrealizzato this, contemplatingcontemplando humansgli esseri umani
51
143993
2452
Licklider intuitivamente se ne è accorto, osservando gli umani
02:42
settingambientazione the goalsobiettivi, formulatingformulazione di the hypothesesipotesi,
52
146445
2327
fissare obiettivi, formulare ipotesi,
02:44
determiningla determinazione the criteriacriteri, and performingl'esecuzione the evaluationvalutazione.
53
148772
3376
determinare criteri e fare valutazioni.
02:48
Of coursecorso, in other waysmodi, humansgli esseri umani are so limitedlimitato.
54
152148
1775
Certo, in altre cose gli umani sono così limitati.
02:49
We're terribleterribile at scalescala, computationcalcolo and volumevolume.
55
153923
3235
Siamo terribili nelle misure, nel calcolo e nei volumi.
02:53
We requirerichiedere high-endfascia alta talenttalento managementgestione
56
157158
1836
Abbiamo bisogno di talento manageriale di alto livello
02:54
to keep the rockroccia bandgruppo musicale togetherinsieme and playinggiocando.
57
158994
2064
per tenere insieme una band e suonare.
02:56
LickliderLicklider foresawha previsto computerscomputer doing all the routinizableavrebbero work
58
161058
2204
Licklider aveva previsto che i computer
avrebbero fatto i lavori ripetitivi
02:59
that was requirednecessario to preparepreparare the way for insightsapprofondimenti and decisiondecisione makingfabbricazione.
59
163262
3276
richiesti per preparare l'accesso a informazioni e alla presa di decisioni.
03:02
SilentlyIn silenzio, withoutsenza much fanfareFanfara,
60
166538
2224
Silenziosamente, senza far rumore,
03:04
this approachapproccio has been compilingcompilazione victoriesvittorie beyondal di là chessscacchi.
61
168762
3354
questo approccio ha reso possibili vittorie che vanno oltre gli scacchi.
03:08
ProteinProteina foldingpieghevole, a topicargomento that sharesazioni the incredibleincredibile expansivenessespansività of chessscacchi
62
172116
3356
Il ripiegamento delle proteine, un tema che ha in comune con gli scacchi un'incredibile vastità --
03:11
there are more waysmodi of foldingpieghevole a proteinproteina than there are atomsatomi in the universeuniverso.
63
175472
3042
esistono più modi di ripiegare una proteina del numero di atomi nell'universo.
03:14
This is a world-changingcambiare il mondo problemproblema with hugeenorme implicationsimplicazioni
64
178514
2353
È un problema che può cambiare il mondo con profonde implicazioni
03:16
for our abilitycapacità to understandcapire and treattrattare diseasemalattia.
65
180867
2308
sulla nostra capacità di comprendere e trattare le malattie.
03:19
And for this taskcompito, supercomputersupercomputer fieldcampo brutebruta forcevigore simplysemplicemente isn't enoughabbastanza.
66
183175
4248
E per questo compito, la forza bruta di un supercomputer semplicemente non è sufficiente.
03:23
FolditFoldit, a gamegioco createdcreato by computercomputer scientistsscienziati,
67
187423
2384
Foldit, un gioco creato da informatici,
03:25
illustratesillustra the valuevalore of the approachapproccio.
68
189807
2502
spiega il valore di questo approccio.
03:28
Non-technicalNon tecnici, non-biologistnon-biologo amateursdilettanti playgiocare a videovideo gamegioco
69
192309
3041
Dilettanti, non-tecnici, non-biologi con un videogioco
03:31
in whichquale they visuallyvisivamente rearrangeridisporre the structurestruttura of the proteinproteina,
70
195350
3073
riorganizzano visivamente la struttura della proteina
03:34
allowingpermettendo the computercomputer to managegestire the atomicatomico forcesforze
71
198423
1499
permettendo al computer di gestire le forze atomiche
03:35
and interactionsinterazioni and identifyidentificare structuralstrutturale issuesproblemi.
72
199922
2957
e le interazioni e identificare i problemi strutturali.
03:38
This approachapproccio beatbattere supercomputerssupercomputer 50 percentper cento of the time
73
202879
3023
Questo approccio batte il computer la metà delle volte
03:41
and tiedlegato 30 percentper cento of the time.
74
205902
2584
e pareggia il 30% delle volte.
03:44
FolditFoldit recentlyrecentemente madefatto a notablenotevole and majormaggiore scientificscientifico discoveryscoperta
75
208486
3137
Di recente Foldit ha fatto un grande scoperta scientifica
03:47
by decipheringdecifrazione the structurestruttura of the Mason-PfizerMason-Pfizer monkeyscimmia virusvirus.
76
211623
3160
decifrando la struttura del virus Mason-Pfizer della scimmia.
03:50
A proteaseproteasi that had eludedeluso determinationdeterminazione for over 10 yearsanni
77
214783
3015
Una protease, la cui determinazione sfuggiva da più di 10 anni,
03:53
was solvedrisolto was by threetre playersGiocatori in a matterimporta of daysgiorni,
78
217798
2626
è stata scoperta da questi tre giocatori nel giro di qualche giorno,
03:56
perhapsForse the first majormaggiore scientificscientifico advanceavanzare
79
220424
2025
probabilmente il più grande progresso scientifico
03:58
to come from playinggiocando a videovideo gamegioco.
80
222449
2323
proveniente da un videogioco.
04:00
Last yearanno, on the siteluogo of the TwinDoppia con letti singoli TowersTorri,
81
224772
2181
L'anno scorso, sul sito delle Torri Gemelle,
04:02
the 9/11 memorialmemoriale openedha aperto.
82
226953
1473
è stato aperto il memorial dell'11 settembre.
04:04
It displaysvisualizza the namesnomi of the thousandsmigliaia of victimsvittime
83
228426
2721
Mostra i nomi di migliaia di vittime
04:07
usingutilizzando a beautifulbellissimo conceptconcetto calledchiamato "meaningfulsignificativo adjacencyadiacenza."
84
231147
3063
utilizzando un bellissimo concetto detto "adiacenze significative".
04:10
It placesposti the namesnomi nextIl prossimo to eachogni other basedbasato on theirloro
85
234210
2166
Posiziona i nomi uno accanto all'altro a seconda
04:12
relationshipsrelazioni to one anotherun altro: friendsamici, familiesfamiglie, coworkerscolleghe.
86
236376
2213
delle loro relazioni: amici, famiglia, colleghi.
04:14
When you put it all togetherinsieme, it's quiteabbastanza a computationalcomputazionale
87
238589
3028
Metterli tutti insieme è quasi una sfida
04:17
challengesfida: 3,500 victimsvittime, 1,800 adjacencyadiacenza requestsrichieste,
88
241617
4223
matematica; 3500 vittime, 1800 richieste di adiacenze,
04:21
the importanceimportanza of the overallcomplessivamente physicalfisico specificationsspecifiche
89
245840
3092
l'importanza delle specifiche fisiche complessive
04:24
and the finalfinale aestheticsestetica.
90
248932
2137
e l'estetica finale.
04:26
When first reportedsegnalati by the mediamedia, fullpieno creditcredito for suchcome a featfeat
91
251069
2615
La prima volta che è stato riportato dai media, il merito dell'impresa
04:29
was givendato to an algorithmalgoritmo from the NewNuovo YorkYork CityCittà
92
253684
1892
è stato attribuito a un algoritmo dello studio di design
04:31
designdesign firmazienda LocalLocale ProjectsProgetti. The truthverità is a bitpo more nuancedsfumato.
93
255576
4001
Local Projects di New York. In realtà è un po' più sottile.
04:35
While an algorithmalgoritmo was used to developsviluppare the underlyingsottostanti frameworkstruttura,
94
259577
2871
Mentre è stato usato un algoritmo per sviluppare la struttura sottostante,
04:38
humansgli esseri umani used that frameworkstruttura to designdesign the finalfinale resultrisultato.
95
262448
3008
gli umani hanno usato quella struttura per realizzare il risultato finale.
04:41
So in this casecaso, a computercomputer had evaluatedvalutate millionsmilioni
96
265456
2225
In questo caso, un computer aveva valutato milioni
04:43
of possiblepossibile layoutslayout, managedgestito a complexcomplesso relationalrelazionali systemsistema,
97
267681
3335
di possibili disposizioni, aveva gestito un sistema di relazioni complesse,
04:46
and kepttenere tracktraccia of a very largegrande setimpostato of measurementsmisurazioni
98
271016
2414
tenendo traccia di un'ampia serie di misure
04:49
and variablesvariabili, allowingpermettendo the humansgli esseri umani to focusmessa a fuoco
99
273430
2410
e variabili, permettendo agli umani di concentrarsi
04:51
on designdesign and compositionalcompositivo choicesscelte.
100
275840
2802
sul design e sulle scelte di composizione.
04:54
So the more you look around you,
101
278642
1036
Più vi guardate intorno,
04:55
the more you see Licklider'sDi Licklider visionvisione everywhereovunque.
102
279678
1962
più vedete ovunque la visione di Licklider.
04:57
WhetherSe it's augmentedaumentata realityla realtà in your iPhoneiPhone or GPSGPS in your carauto,
103
281640
3304
Che sia la realtà aumentata nel vostro iPhone o il GPS nella vostra auto,
05:00
human-computeruomo-computer symbiosissimbiosi is makingfabbricazione us more capablecapace.
104
284944
2970
la simbiosi uomo-computer ci rende più capaci.
05:03
So if you want to improveMigliorare human-computeruomo-computer symbiosissimbiosi,
105
287914
1655
Cosa si può fare per migliorare
05:05
what can you do?
106
289569
1429
la simbiosi uomo-computer?
05:06
You can startinizio by designingprogettazione the humanumano into the processprocesso.
107
290998
2452
Si può cominciare con inserire gli umani nel processo.
05:09
InsteadInvece of thinkingpensiero about what a computercomputer will do to solverisolvere the problemproblema,
108
293450
2204
Invece di pensare a quello che un computer farà per risolvere il problema,
05:11
designdesign the solutionsoluzione around what the humanumano will do as well.
109
295654
3869
creare anche la soluzione intorno a quello che farà un essere umano.
05:15
When you do this, you'llpotrai quicklyvelocemente realizerendersi conto that you spentspeso
110
299523
1937
Facendo questo, ci si rende presto conto di aver passato il tempo
05:17
all of your time on the interfaceinterfaccia betweenfra man and machinemacchina,
111
301460
2879
sull'interfaccia uomo-macchina
05:20
specificallyspecificamente on designingprogettazione away the frictionattrito in the interactioninterazione.
112
304339
3099
in particolare nell'eliminare l'attrito di questa interazione.
05:23
In factfatto, this frictionattrito is more importantimportante than the powerenergia
113
307438
2766
Di fatto, questo attrito è più importante
05:26
of the man or the powerenergia of the machinemacchina
114
310204
2052
del potere dell'uomo o del potere della macchina
05:28
in determiningla determinazione overallcomplessivamente capabilitycapacità.
115
312256
1931
nel determinare le capacità complessive.
05:30
That's why two amateursdilettanti with a fewpochi laptopscomputer portatili
116
314187
1977
Ecco perché due dilettanti con qualche laptop
05:32
handilyuna comoda beatbattere a supercomputersupercomputer and a grandmastergrande maestro.
117
316164
2456
hanno battuto facilmente un supercomputer e un maestro.
05:34
What KasparovKasparov callschiamate processprocesso is a byproductsottoprodotto of frictionattrito.
118
318620
3005
Quello che Kasparov chiama processo è un sottoprodotto dell'attrito.
05:37
The better the processprocesso, the lessDi meno the frictionattrito.
119
321625
2401
Migliore è il processo, minore è l'attrito.
05:39
And minimizingriducendo al minimo frictionattrito turnsgiri out to be the decisivedecisivo variablevariabile.
120
324026
4256
La variabile decisiva diventa la minimizzazione di questo attrito.
05:44
Or take anotherun altro exampleesempio: biggrande datadati.
121
328282
2243
Prendete un altro esempio: grandi quantità di dati.
05:46
EveryOgni interactioninterazione we have in the worldmondo is recordedregistrato
122
330525
1906
Tutte le interazioni al mondo vengono registrate
05:48
by an ever growingin crescita arrayschieramento of sensorssensori: your phoneTelefono,
123
332431
3059
da una serie crescente di sensori: il vostro telefono,
05:51
your creditcredito cardcarta, your computercomputer. The resultrisultato is biggrande datadati,
124
335490
2373
la vostra carta di credito, il vostro computer. Il risultato sono tanti dati,
05:53
and it actuallyin realtà presentsregali us with an opportunityopportunità
125
337863
1742
e in realtà ci forniscono l'opportunità
05:55
to more deeplyprofondamente understandcapire the humanumano conditioncondizione.
126
339605
2662
di capire più a fondo la condizione umana.
05:58
The majormaggiore emphasisenfasi of mostmaggior parte approachesapprocci to biggrande datadati
127
342267
2305
La maggiore enfasi di molti approcci ai grandi dati
06:00
focusmessa a fuoco on, "How do I storenegozio this datadati? How do I searchricerca
128
344572
2215
si concentra su, "Come memorizzare questi dati? Come cercare
06:02
this datadati? How do I processprocesso this datadati?"
129
346787
2276
all'interno di questi dati? Come processare questi dati?
06:04
These are necessarynecessario but insufficientinsufficiente questionsle domande.
130
349063
2204
Queste sono domande necessarie, ma non sufficienti.
06:07
The imperativeimperativo is not to figurefigura out how to computecalcolare,
131
351267
2471
L'imperativo non è scoprire come calcolare,
06:09
but what to computecalcolare. How do you imposeimporre humanumano intuitionintuizione
132
353738
2184
ma cosa calcolare. Come si impone l'intuizione umana
06:11
on datadati at this scalescala?
133
355922
1791
su dati di questa dimensione?
06:13
Again, we startinizio by designingprogettazione the humanumano into the processprocesso.
134
357713
3499
Ancora una volta, cominciamo con l'inserire l'essere umano nel processo.
06:17
When PayPalPayPal was first startingdi partenza as a businessattività commerciale, theirloro biggestmaggiore
135
361212
2812
Quando PayPal ha iniziato ad operare, la sua più grande sfida
06:19
challengesfida was not, "How do I sendinviare moneyi soldi back and forthvia onlinein linea?"
136
364024
2804
non era, "Come trasferisco i soldi online?"
06:22
It was, "How do I do that withoutsenza beingessere defraudeddefraudato by organizedorganizzato crimecrimine?"
137
366828
3872
Era, "Come lo faccio senza farmi intercettare dal crimine organizzato?"
06:26
Why so challengingstimolante? Because while computerscomputer can learnimparare
138
370700
2088
Perché è così sfidante? Perché mentre i computer possono imparare
06:28
to detectindividuare and identifyidentificare fraudfrode basedbasato on patternsmodelli,
139
372788
3144
ad intercettare e identificare le frodi sulla base di schemi,
06:31
they can't learnimparare to do that basedbasato on patternsmodelli
140
375932
1479
non possono imparare a farlo sulla base di schemi
06:33
they'veessi hanno never seenvisto before, and organizedorganizzato crimecrimine
141
377411
2116
che non hanno mai visto prima
e il crimine organizzato
06:35
has a lot in commonComune with this audiencepubblico: brilliantbrillante people,
142
379527
2709
ha molto in comune con questo pubblico: gente brillante,
06:38
relentlesslysenza tregua resourcefulpieno di risorse, entrepreneurialimprenditoriale spiritspirito — (LaughterRisate) —
143
382236
3640
implacabili, pieni di risorse, spirito imprenditoriale --
(Risate)
06:41
and one hugeenorme and importantimportante differencedifferenza: purposescopo.
144
385876
2712
e una differenza enorme e importante: lo scopo.
06:44
And so while computerscomputer aloneda solo can catchcatturare all but the cleverestpiù intelligente
145
388588
2832
Così, mentre i soli computer possono prendere tutto tranne
06:47
fraudsterstruffatori, catchingattraente the cleverestpiù intelligente is the differencedifferenza
146
391420
2253
i più brillanti truffatori, prendere i più svegli fa la differenza
06:49
betweenfra successsuccesso and failurefallimento.
147
393673
2545
tra un successo e un fallimento.
06:52
There's a wholetotale classclasse of problemsi problemi like this, onesquelli with
148
396218
2221
Ci sono una serie di problemi come questo, quelli con
06:54
adaptiveadattabile adversariesavversari. They rarelyraramente if ever presentpresente with a
149
398439
2575
avversari adattabili. Si presentano raramente, se non mai,
06:56
repeatableripetibile patternmodello that's discernablepercepibile to computerscomputer.
150
401014
2736
secondo uno schema ripetibile distinguibile dai computer.
06:59
InsteadInvece, there's some inherentinerente componentcomponente of innovationinnovazione or disruptionrottura,
151
403750
3993
Invece, c'è una componente interna di innovazione o disturbo,
07:03
and increasinglysempre più these problemsi problemi are buriedsepolto in biggrande datadati.
152
407743
2735
e questi problemi sono sempre più seppelliti nei dati.
07:06
For exampleesempio, terrorismterrorismo. TerroristsTerroristi are always adaptingche adegua
153
410478
2500
Per esempio il terrorismo. I terroristi si adattano continuamente
07:08
in minorminore and majormaggiore waysmodi to newnuovo circumstancescondizioni, and despitenonostante
154
412978
2052
alle nuove circostanze, e nonostante
07:10
what you mightpotrebbe see on TVTV, these adaptationsadattamenti,
155
415030
3094
quello che vedete in TV, questi adattamenti,
07:14
and the detectionrivelazione of them, are fundamentallyfondamentalmente humanumano.
156
418124
2293
e il loro rilevamento sono fondamentalmente umani.
07:16
ComputersComputer don't detectindividuare novelromanzo patternsmodelli and newnuovo behaviorscomportamenti,
157
420417
3117
I computer non rilevano nuovi schemi e nuovi comportamenti,
07:19
but humansgli esseri umani do. HumansEsseri umani, usingutilizzando technologytecnologia, testinganalisi hypothesesipotesi,
158
423534
3235
lo fanno gli esseri umani.
Gli esseri umani, usando la tecnologia, testano ipotesi,
07:22
searchingricerca for insightintuizione by askingchiede machinesmacchine to do things for them.
159
426769
4620
cercano indizi chiedendo alle macchine di fare per loro delle cose.
07:27
OsamaOsama binbidone LadenPieno carico was not caughtcatturato by artificialartificiale intelligenceintelligenza.
160
431389
2320
Osama bin Laden non è stato catturato da un'intelligenza artificiale.
07:29
He was caughtcatturato by dedicateddedito, resourcefulpieno di risorse, brilliantbrillante people
161
433709
2553
È stato catturato da persone brillanti, piene di risorse, scrupolose
07:32
in partnershipspartnership with variousvario technologiestecnologie.
162
436262
4269
in collaborazione con varie tecnologie.
07:36
As appealingappello as it mightpotrebbe soundsuono, you cannotnon può algorithmicallyalgoritmicamente
163
440531
2818
Per quanto interessante possa sembrare, dai dati
07:39
datadati mineil mio your way to the answerrisposta.
164
443349
1601
non si può estrarre una risposta.
07:40
There is no "Find TerroristTerrorista" buttonpulsante, and the more datadati
165
444950
2855
Non c'è il tasto "Trova Terrorista",
e più si integrano dati
07:43
we integrateintegrare from a vastvasto varietyvarietà of sourcesfonti
166
447805
2302
da fonti diverse
07:46
acrossattraverso a widelargo varietyvarietà of datadati formatsformati from very
167
450107
2133
da formati di dati diversi,
07:48
disparatedisparato systemssistemi, the lessDi meno effectiveefficace datadati miningestrazione can be.
168
452240
3309
da sistemi diversi, meno efficace è l'estrazione dei dati.
07:51
InsteadInvece, people will have to look at datadati
169
455549
2024
Invece, si dovranno cercare dati
07:53
and searchricerca for insightintuizione, and as LickliderLicklider foresawha previsto long agofa,
170
457573
3456
e cercare indizi,
e come aveva previsto Licklider tempo fa,
07:56
the keychiave to great resultsrisultati here is the right typetipo of cooperationcooperazione,
171
461029
2685
la chiave per ottenere grandi risultati è il corretto tipo di collaborazione
07:59
and as KasparovKasparov realizedrealizzato,
172
463714
1524
e Kasparov si è reso conto
08:01
that meanssi intende minimizingriducendo al minimo frictionattrito at the interfaceinterfaccia.
173
465238
3031
che significa minimizzare l'attrito dell'interfaccia.
08:04
Now this approachapproccio makesfa possiblepossibile things like combingpettinatura
174
468269
2758
Questo approccio rende possibili cose come setacciare
08:06
throughattraverso all availablea disposizione datadati from very differentdiverso sourcesfonti,
175
471027
3386
i dati disponibili provenienti da fonti diverse,
08:10
identifyingidentificazione keychiave relationshipsrelazioni and puttingmettendo them in one placeposto,
176
474413
2792
identificare le relazioni chiave e metterle in un unico punto,
08:13
something that's been nearlyquasi impossibleimpossibile to do before.
177
477205
2928
una cosa che è sempre stata praticamente impossibile da fare.
08:16
To some, this has terrifyingterrificante privacysulla privacy and civilcivile libertieslibertà
178
480133
1942
Secondo qualcuno ci sono implicazioni terribili sulla privacy
08:17
implicationsimplicazioni. To othersaltri it foretellspredice of an eraera of greatermaggiore
179
482075
3410
e sulle libertà civili.
Secondo altri preannuncia un'era
08:21
privacysulla privacy and civilcivile libertieslibertà protectionsProtezioni,
180
485485
1909
di maggiore privacy e protezione delle libertà civili,
08:23
but privacysulla privacy and civilcivile libertieslibertà are of fundamentalfondamentale importanceimportanza.
181
487394
2936
ma la privacy e le libertà civili sono fondamentali.
08:26
That mustdovere be acknowledgedriconosciuto, and they can't be sweptspazzato asidea parte,
182
490330
2193
Bisogna tenerlo presente, e non possono essere trascurate,
08:28
even with the bestmigliore of intentsintenti.
183
492523
2530
anche con le migliori intenzioni.
08:30
So let's exploreEsplorare, throughattraverso a couplecoppia of examplesesempi, the impacturto
184
495053
2518
Esploriamo con un paio di esempi l'impatto
08:33
that technologiestecnologie builtcostruito to driveguidare human-computeruomo-computer symbiosissimbiosi
185
497571
2406
che hanno avuto di recente le tecnologie
08:35
have had in recentrecente time.
186
499977
2919
sulla simbiosi uomo-computer.
08:38
In OctoberOttobre, 2007, U.S. and coalitioncoalizione forcesforze raidedha fatto irruzione
187
502896
3416
Nell'ottobre del 2007, gli Stati Uniti e le forze alleate
08:42
an alal QaedaQaeda safesicuro housecasa in the citycittà of SinjarSinjar
188
506312
2416
hanno fatto irruzione in un rifugio di al Qaeda a Sinjar
08:44
on the SyrianSiriano borderconfine of IraqIraq.
189
508728
1934
al confine siriano con l'Iraq.
08:46
They foundtrovato a treasureTesoro trovetrove of documentsdocumenti:
190
510662
2376
Hanno trovato documenti segreti:
08:48
700 biographicalbiografico sketchesschizzi of foreignstraniero fighterscombattenti.
191
513038
2335
700 note biografiche di combattenti stranieri.
08:51
These foreignstraniero fighterscombattenti had left theirloro familiesfamiglie in the GulfGolfo,
192
515373
2584
Questi combattenti stranieri avevano lasciato le loro famiglie nel Golfo,
08:53
the LevantLevant and NorthNord AfricaAfrica to joinaderire alal QaedaQaeda in IraqIraq.
193
517957
3146
in Africa del nord e orientale per unirsi ad al Qaeda in Iraq.
08:57
These recordsrecord were humanumano resourcerisorsa formsforme.
194
521103
1616
Questi documenti erano moduli compilati da umani.
08:58
The foreignstraniero fighterscombattenti filledpieno them out as they joinedcongiunto the organizationorganizzazione.
195
522719
2855
I combattenti stranieri li avevano compilati per unirsi all'organizzazione.
09:01
It turnsgiri out that alal QaedaQaeda, too,
196
525574
1211
Si è scoperto che anche al Qaeda
09:02
is not withoutsenza its bureaucracyburocrazia. (LaughterRisate)
197
526785
2597
ha la sua burocrazia. (Risate)
09:05
They answeredrisponde questionsle domande like, "Who recruitedreclutato you?"
198
529382
2098
Rispondevano a domande del tipo, "Chi ti ha reclutato?"
09:07
"What's your hometowncittà natale?" "What occupationoccupazione do you seekricercare?"
199
531480
2854
"Qual è la tua città natale" "Che tipo di lavoro cerchi?"
09:10
In that last questiondomanda, a surprisingsorprendente insightintuizione was revealedha rivelato.
200
534334
3169
In quest'ultima domanda si è scoperta una cosa sorprendente.
09:13
The vastvasto majoritymaggioranza of foreignstraniero fighterscombattenti
201
537503
2400
La maggior parte dei combattenti stranieri
09:15
were seekingcerca to becomediventare suicidesuicidio bombersbombardieri for martyrdommartirio --
202
539903
2400
cercavano di diventare attentatori suicidi per i martirio --
09:18
hugelyenormemente importantimportante, sinceda betweenfra 2003 and 2007, IraqIraq
203
542303
4338
molto importante, visto che tra il 2003 e il 2007
09:22
had 1,382 suicidesuicidio bombingsbombardamenti, a majormaggiore sourcefonte of instabilityinstabilità.
204
546641
4244
l'Iraq aveva 1382 attentatori suicidi, un'importante fonte di instabilità.
09:26
AnalyzingL'analisi this datadati was harddifficile. The originalsoriginali were sheetslenzuola
205
550885
2058
Analizzare questi dati era difficile. Gli originali erano fogli di carta
09:28
of papercarta in ArabicArabo that had to be scanneddigitalizzata and translatedtradotto.
206
552943
2742
in arabo che dovevano essere scannerizzati e tradotti.
09:31
The frictionattrito in the processprocesso did not allowpermettere for meaningfulsignificativo
207
555685
2192
La complessità del processo non consentiva di ottenere
09:33
resultsrisultati in an operationaloperativo time frametelaio usingutilizzando humansgli esseri umani, PDFsFile PDF
208
557877
3350
risultati significativi in tempi ragionevoli usando solo
09:37
and tenacitytenacia aloneda solo.
209
561227
2218
persone, PDF e tenacia.
09:39
The researchersricercatori had to leverleva up theirloro humanumano mindsmenti
210
563445
1953
I ricercatori hanno dovuto sfruttare le loro menti umane
09:41
with technologytecnologia to divetuffo deeperpiù profondo, to exploreEsplorare non-obviousnon ovvio
211
565398
2345
insieme alla tecnologia per scavare, per esplorare ipotesi
09:43
hypothesesipotesi, and in factfatto, insightsapprofondimenti emergedè emerso.
212
567743
3218
non ovvie, e effettivamente sono emersi indizi.
09:46
TwentyVenti percentper cento of the foreignstraniero fighterscombattenti were from LibyaLibia,
213
570961
2644
20% dei combattenti stranieri erano libici,
09:49
50 percentper cento of those from a singlesingolo towncittadina in LibyaLibia,
214
573605
2968
50% di questi provenivano da un'unica città in Libia,
09:52
hugelyenormemente importantimportante sinceda priorprecedente statisticsstatistica put that figurefigura at
215
576573
2450
molto importante considerando che le statistiche precedenti
09:54
threetre percentper cento. It alsoanche helpedaiutato to honeaffinare le in on a figurefigura
216
579023
2383
riportavano quel numero al 3%. Ha aiutato anche a focalizzarsi
09:57
of risingcrescente importanceimportanza in alal QaedaQaeda, AbuAbu YahyaYahya al-Libial-Libi,
217
581406
2977
su una figura di crescente importanza in al Qaeda,
Abu Yahya al-Libi,
10:00
a senioranziano clericChierico in the LibyanLibico IslamicIslamico fightingcombattente groupgruppo.
218
584383
2631
un anziano ecclesiastico del gruppo dei combattenti islamici libici.
10:02
In MarchMarzo of 2007, he gaveha dato a speechdiscorso, after whichquale there was
219
587014
2664
Nel marzo del 2007 ha tenuto un discorso dopo il quale
10:05
a surgecontro le sovratensioni in participationpartecipazione amongsttra LibyanLibico foreignstraniero fighterscombattenti.
220
589678
3466
è cresciuta la partecipazione dei combattenti libici stranieri.
10:09
PerhapsForse mostmaggior parte cleverintelligente of all, thoughanche se, and leastmeno obviousevidente,
221
593144
3106
In maniera molti intelligente, anche se meno ovvia,
10:12
by flippingFlipping the datadati on its headcapo, the researchersricercatori were
222
596250
2073
rivoltando i dati che avevano in testa,
i ricercatori
10:14
ablecapace to deeplyprofondamente exploreEsplorare the coordinationcoordinazione networksreti in SyriaSiria
223
598323
2900
sono stati in grado di esplorare le reti di coordinamento in Siria
10:17
that were ultimatelyin definitiva responsibleresponsabile for receivingricevente and
224
601223
2517
che si occupavano di accogliere e trasportare
10:19
transportingtrasporto the foreignstraniero fighterscombattenti to the borderconfine.
225
603740
2464
verso il confine i combattenti stranieri.
10:22
These were networksreti of mercenariesmercenari, not ideologuesideologi,
226
606204
2633
Erano reti di mercenari, non di idealisti,
10:24
who were in the coordinationcoordinazione businessattività commerciale for profitprofitto.
227
608837
2398
che coordinavano per trarne un profitto.
10:27
For exampleesempio, they chargedcarico SaudiArabia Saudita foreignstraniero fighterscombattenti
228
611235
1904
Per esempio, ai combattenti stranieri sauditi addebitavano
10:29
substantiallysostanzialmente more than LibyansLibici, moneyi soldi that would have
229
613139
2199
più che ai libici;
soldi che altrimenti
10:31
otherwisealtrimenti goneandato to alal QaedaQaeda.
230
615338
2320
sarebbero andati ad al Qaeda.
10:33
PerhapsForse the adversaryavversario would disruptdisgregare theirloro ownproprio networkRete
231
617658
2045
Forse gli avversari avrebbero interrotto la loro rete
10:35
if they knewconosceva they cheatingtradimenti would-begli aspiranti jihadistsjihadisti.
232
619703
3035
se avessero saputo di essere traditi da jihadisti.
10:38
In JanuaryGennaio, 2010, a devastatingdevastante 7.0 earthquaketerremoto struckcolpito HaitiHaiti,
233
622738
3745
Nel gennaio 2010 un devastante terremoto del 7° grado ha colpito Haiti,
10:42
thirdterzo deadliestpiù letale earthquaketerremoto of all time, left one millionmilione people,
234
626483
2916
il terzo terremoto di tutti i tempi in termini di mortalità,
ha lasciato
10:45
10 percentper cento of the populationpopolazione, homelesssenzatetto.
235
629399
2584
1 milione di persone, 10% della popolazione, senza un tetto.
10:47
One seeminglyapparentemente smallpiccolo aspectaspetto of the overallcomplessivamente reliefsollievo effortsforzo
236
631983
3137
Un aspetto apparentemente ininfluente tra tutte le iniziative umanitarie
10:51
becamedivenne increasinglysempre più importantimportante as the deliveryconsegna of foodcibo
237
635120
2176
diventò sempre più importante quando cominciarono ad arrivare
10:53
and wateracqua startediniziato rollingrotolamento.
238
637296
2160
cibo e acqua.
10:55
JanuaryGennaio and FebruaryFebbraio are the dryasciutto monthsmesi in HaitiHaiti,
239
639456
1458
Ad Haiti gennaio e febbraio sono mesi secchi,
10:56
yetancora manymolti of the campscampi had developedsviluppato standingin piedi wateracqua.
240
640914
2942
eppure molti campi avevano sviluppato bacini d'acqua.
10:59
The only institutionistituzione with detaileddettagliata knowledgeconoscenza of Haiti'sDi Haiti
241
643856
2122
La sola istituzione con le informazioni dettagliate
11:01
floodplainszone golenali had been leveledlivellato
242
645978
1297
delle piane alluvionali di Haiti
11:03
in the earthquaketerremoto, leadershipcomando insidedentro.
243
647275
3008
era stata distrutta nel terremoto, dirigenti compresi.
11:06
So the questiondomanda is, whichquale campscampi are at riskrischio,
244
650283
2575
La domanda era quindi: quali campi sono a rischio,
11:08
how manymolti people are in these campscampi, what's the
245
652858
1921
quante persone ci sono in questi campi, quali sono i tempi
11:10
timelineTimeline for floodingallagamento, and givendato very limitedlimitato resourcesrisorse
246
654779
2311
delle alluvioni, e considerate le risorse e le infrastrutture
11:12
and infrastructureinfrastruttura, how do we prioritizepriorità the relocationrilocazione?
247
657090
3384
limitate, quali sono le priorità nella riallocazione?
11:16
The datadati was incrediblyincredibilmente disparatedisparato. The U.S. ArmyEsercito had
248
660474
2344
I dati erano incredibilmente eterogenei. L'esercito degli Stati Uniti
11:18
detaileddettagliata knowledgeconoscenza for only a smallpiccolo sectionsezione of the countrynazione.
249
662818
2929
aveva informazioni dettagliate solo di una piccola sezione del paese.
11:21
There was datadati onlinein linea from a 2006 environmentalambientale riskrischio
250
665747
2511
Online c'erano dati del 2006 da una conferenza
11:24
conferenceconferenza, other geospatialGeospatial datadati, nonenessuna of it integratedintegrato.
251
668258
2664
sui rischi ambientali, altri dati geo-spaziali, nessuno dei quali era integrato.
11:26
The humanumano goalobbiettivo here was to identifyidentificare campscampi for relocationrilocazione
252
670922
2958
L'obiettivo era identificare campi per l'allocazione
11:29
basedbasato on prioritypriorità need.
253
673880
2395
secondo le priorità.
11:32
The computercomputer had to integrateintegrare a vastvasto amountquantità of geospacialgeospaziali
254
676275
2440
Il computer doveva integrare una grande quantità di dati geospaziali,
11:34
informationinformazione, socialsociale mediamedia datadati and reliefsollievo organizationorganizzazione
255
678715
2584
dati dai social media e informazioni di organizzazioni umanitarie
11:37
informationinformazione to answerrisposta this questiondomanda.
256
681299
3480
per rispondere alla domanda.
11:40
By implementingattuazione a superiorsuperiore processprocesso, what was otherwisealtrimenti
257
684779
2415
Implementando un processo ad alto livello, quello che altrimenti
11:43
a taskcompito for 40 people over threetre monthsmesi becamedivenne
258
687194
2608
sarebbe stato un lavoro di tre mesi per 40 persone
11:45
a simplesemplice joblavoro for threetre people in 40 hoursore,
259
689802
3176
è diventato un lavoro semplice di 40 ore per 3 persone,
11:48
all victoriesvittorie for human-computeruomo-computer symbiosissimbiosi.
260
692978
2628
tutte vittorie per la simbiosi uomo-computer.
11:51
We're more than 50 yearsanni into Licklider'sDi Licklider visionvisione
261
695606
2054
Siamo a più di 50 anni dalla visione del futuro
11:53
for the futurefuturo, and the datadati suggestssuggerisce that we should be
262
697660
2242
di Licklider, e i dati suggeriscono che dovremmo essere
11:55
quiteabbastanza excitedemozionato about tacklingaffrontare this century'sdi secolo hardestpiù difficile problemsi problemi,
263
699902
3030
entusiasti di affrontare i problemi più difficili di questo secolo,
11:58
man and machinemacchina in cooperationcooperazione togetherinsieme.
264
702932
2947
uomo e macchina che collaborano.
12:01
Thank you. (ApplauseApplausi)
265
705879
2197
Grazie. (Applausi)
12:03
(ApplauseApplausi)
266
708076
2505
(Applausi)
Translated by Anna Cristiana Minoli
Reviewed by Daniele Berti

▲Back to top

ABOUT THE SPEAKER
Shyam Sankar - Data Intelligence Agent
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets.

Why you should listen

Shyam Sankar is a Director at Palantir Technologies, a secretive Silicon Valley company where he oversees deployments of the company's core technology, which helps law enforcement teams and corporations analyze giant, unrelated databases for clues to potential ... anything. Palantir technologies has been used to find missing children, to detect banking fraud, and to uncover the Shadow Network, a cyber-spy ring that stooped so low as to hack the Dalai Lama's email.

As part of his work, Sankar thinks deeply about the place where human and machine intelligence meet. While artificial intelligence (AI) is the dominant paradigm, he is an advocate of JCR Licklider's "intelligence augmentation" (IA) approach, where algorithms and brains work together to solve problems.

More profile about the speaker
Shyam Sankar | Speaker | TED.com