ABOUT THE SPEAKER
Tim Berners-Lee - Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development.

Why you should listen

In the 1980s, scientists at CERN were asking themselves how massive, complex, collaborative projects -- like the fledgling LHC -- could be orchestrated and tracked. Tim Berners-Lee, then a contractor, answered by inventing the World Wide Web. This global system of hypertext documents, linked through the Internet, brought about a massive cultural shift ushered in by the new tech and content it made possible: AOL, eBay, Wikipedia, TED.com...

Berners-Lee is now director of the World Wide Web Consortium (W3C), which maintains standards for the Web and continues to refine its design. Recently he has envisioned a "Semantic Web" -- an evolved version of the same system that recognizes the meaning of the information it carries. He's the 3Com Founders Professor of Engineering in the School of Engineering with a joint appointment in the Department of Electrical Engineering and Computer Science at the Laboratory for Computer Science and Artificial Intelligence (CSAIL) at the MIT, where he also heads the Decentralized Information Group (DIG). He is also a Professor in the Electronics and Computer Science Department at the University of Southampton, UK.

More profile about the speaker
Tim Berners-Lee | Speaker | TED.com
TED2009

Tim Berners-Lee: The next web

Tim Berners-Lee o sieci Web następnej generacji

Filmed:
1,638,798 views

Dwadzieścia lat temu Tim Berners-Lee stworzył World Wide Web. Jego następny projekt to otwarta sieć powiązanych ze sobą danych, które będą dla liczb tym, czym WWW jest dla słów, grafiki, zdjęć i wideo – ich uwolnieniem i nowym sposobem wspólnego wykorzystywania.
- Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio

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

00:18
Time fliesmuchy.
0
0
2000
Ależ ten czas biegnie.
00:20
It's actuallytak właściwie almostprawie 20 yearslat agotemu
1
2000
2000
To już prawie 20 lat
00:22
when I wanted to reframeReframe the way we use informationInformacja,
2
4000
4000
od momentu, kiedy postanowiłem zmienić sposób, w jaki korzystamy z informacji
00:26
the way we work togetherRazem: I inventedzmyślony the WorldŚwiat WideSzeroki WebSieci Web.
3
8000
3000
jak współpracujemy ze sobą – i wynalazłem World Wide Web.
00:29
Now, 20 yearslat on, at TEDTED,
4
11000
3000
Teraz – 20 lat później – tutaj, na TED
00:32
I want to askzapytać your help in a newNowy reframingprzeformułowanie.
5
14000
4000
proszę was o pomoc w dokonaniu następnej zmiany.
00:37
So going back to 1989,
6
19000
4000
Wróćmy do roku 1989,
00:41
I wrotenapisał a memoMEMO suggestingsugestia the globalświatowy hypertextHypertext systemsystem.
7
23000
3000
kiedy napisałem notatkę proponującą stworzenie globalnego systemu hipertekstowego.
00:44
NobodyNikt nie really did anything with it, prettyładny much.
8
26000
3000
Nikt się wtedy tym nie zainteresował.
00:47
But 18 monthsmiesiące laterpóźniej -- this is how innovationinnowacja happensdzieje się --
9
29000
4000
Ale 18 miesięcy później – tak to jest z wynalazkami
00:51
18 monthsmiesiące laterpóźniej, my bossszef said I could do it on the sidebok,
10
33000
4000
– 18 miesięcy później mój szef powiedział, że mógłbym zająć się tym na boku,
00:55
as a sortsortować of a playgrać projectprojekt,
11
37000
2000
taki projekt dla zabawy,
00:57
kickkopnięcie the tiresopony of a newNowy computerkomputer we'dpoślubić got.
12
39000
2000
żeby sprawdzić nowy komputer, który dostaliśmy.
00:59
And so he gavedał me the time to codekod it up.
13
41000
3000
Dał mi czas na napisanie kodu.
01:02
So I basicallygruntownie roughedzgrubnie obrobionego out what HTMLHTML should look like:
14
44000
5000
Więc naszkicowałem jak powinien wyglądać HTML,
01:07
hypertextHypertext protocolprotokół, HTTPHTTP;
15
49000
3000
protokół hipertekstu HTTP,
01:10
the ideapomysł of URLsAdresy URL, these namesnazwy for things
16
52000
3000
koncepcja adresów URL – to te nazwy różnych rzeczy
01:13
whichktóry startedRozpoczęty with HTTPHTTP.
17
55000
2000
zaczynające się od HTTP.
01:15
I wrotenapisał the codekod and put it out there.
18
57000
2000
Napisałem kod, po czym go opublikowałem.
01:17
Why did I do it?
19
59000
2000
Czemu zająłem się tym?
01:19
Well, it was basicallygruntownie frustrationudaremnienie.
20
61000
2000
Przede wszystkim z powodu frustracji.
01:21
I was frustratedsfrustrowany -- I was workingpracujący as a softwareoprogramowanie engineerinżynier
21
63000
4000
Byłem sfrustrowany: pracowałem jako inżynier oprogramowania
01:25
in this hugeolbrzymi, very excitingekscytujący lablaboratorium,
22
67000
2000
w tym wielkim, niezwykle fascynującym laboratorium,
01:27
lots of people comingprzyjście from all over the worldświat.
23
69000
2000
gdzie przybywało mnóstwo ludzi z całego świata.
01:29
They broughtprzyniósł all sortssortuje of differentróżne computerskomputery with them.
24
71000
3000
Przywozili ze sobą najróżniejsze komputery.
01:32
They had all sortssortuje of differentróżne datadane formatsformaty,
25
74000
3000
Korzystali z najrozmaitszych formatów danych,
01:35
all sortssortuje, all kindsrodzaje of documentationdokumentacja systemssystemy.
26
77000
2000
wszelkiego rodzaju systemów dokumentacji.
01:37
So that, in all that diversityróżnorodność,
27
79000
3000
Przez to, przez całą tę różnorodność,
01:40
if I wanted to figurepostać out how to buildbudować something
28
82000
2000
gdy chciałem odkryć sposób złożenia czegoś
01:42
out of a bitkawałek of this and a bitkawałek of this,
29
84000
2000
z fragmentów z różnych źródeł,
01:44
everything I lookedspojrzał into, I had to connectpołączyć to some newNowy machinemaszyna,
30
86000
4000
czymkolwiek się zajmowałem, musiałem korzystać z coraz to nowego komputera
01:48
I had to learnuczyć się to runbiegać some newNowy programprogram,
31
90000
2000
i nauczyć się pracować z jakimś nowym programem,
01:50
I would find the informationInformacja I wanted in some newNowy datadane formatformat.
32
92000
5000
a informacje, których potrzebowałem, były w coraz to innym formacie.
01:55
And these were all incompatibleniezgodne.
33
97000
2000
I wszystko to było niekompatybilne.
01:57
It was just very frustratingfrustrujące.
34
99000
2000
To było po prostu bardzo frustrujące.
01:59
The frustrationudaremnienie was all this unlockedodblokowany potentialpotencjał.
35
101000
2000
Frustrujące było uwięzienie całego tego potencjału.
02:01
In factfakt, on all these discsTarcze there were documentsdokumenty.
36
103000
3000
W rzeczywistości na tych wszystkich dyskach znajdowały się dokumenty.
02:04
So if you just imaginedwyobrażałem sobie them all
37
106000
3000
Więc gdybyście sobie spróbowali wyobrazić je wszystkie
02:07
beingistota partczęść of some bigduży, virtualwirtualny documentationdokumentacja systemsystem in the skyniebo,
38
109000
5000
jako części wielkiego wirtualnego systemu dokumentacji w chmurach,
02:12
say on the InternetInternet,
39
114000
2000
powiedzmy w Internecie,
02:14
then life would be so much easierłatwiejsze.
40
116000
2000
życie byłoby znacznie prostsze.
02:16
Well, oncepewnego razu you've had an ideapomysł like that it kinduprzejmy of getsdostaje underpod your skinskóra
41
118000
4000
Cóż, jeśli już wpadniecie na pomysł tego rodzaju, nie uwolnicie się już od niego,
02:20
and even if people don't readczytać your memoMEMO --
42
122000
2000
i nawet jeśli nikt nie czyta waszych notatek służbowych
02:22
actuallytak właściwie he did, it was founduznany after he diedzmarły, his copyKopiuj.
43
124000
3000
– on w rzeczywistości przeczytał: znaleziono po jego śmierci egzemplarz, który dostał.
02:25
He had writtenpisemny, "VagueNiejasne, but excitingekscytujący," in pencilołówek, in the cornerkąt.
44
127000
3000
Napisał ołówkiem w rogu: „Mętne ale fascynujące”.
02:28
(LaughterŚmiech)
45
130000
2000
(Śmiech)
02:30
But in generalgenerał it was difficulttrudny -- it was really difficulttrudny to explainwyjaśniać
46
132000
4000
Choć generalnie trudno, naprawdę trudno, było wytłumaczyć
02:34
what the websieć was like.
47
136000
2000
jak ma wyglądać Web.
02:36
It's difficulttrudny to explainwyjaśniać to people now that it was difficulttrudny then.
48
138000
2000
Trudno to wytłumaczyć komuś dzisiaj, a co dopiero wtedy.
02:38
But then -- OK, when TEDTED startedRozpoczęty, there was no websieć
49
140000
3000
Wtedy: kiedy ruszył TED, nie było WWW,
02:41
so things like "clickKliknij" didn't have the samepodobnie meaningznaczenie.
50
143000
3000
więc takie rzeczy jak kliknięcie nie miały tego znaczenia, co dziś.
02:44
I can showpokazać somebodyktoś a piecekawałek of hypertextHypertext,
51
146000
2000
Mogę pokazać komuś fragment hipertekstu,
02:46
a pagestrona whichktóry has got linksspinki do mankietów,
52
148000
2000
stronę, która zawiera linki,
02:48
and we clickKliknij on the linkpołączyć and bingBing -- there'lltam będzie be anotherinne hypertextHypertext pagestrona.
53
150000
4000
klikamy link i bach – mamy następną stronę hipertekstową.
02:52
Not impressiveimponujący.
54
154000
2000
Mało imponujące.
02:54
You know, we'vemamy seenwidziany that -- we'vemamy got things on hypertextHypertext on CD-ROMsCD-ROMy.
55
156000
3000
Wiecie: już to znamy, mamy różne rzeczy z hipertekstem na CD-ROM-ach.
02:57
What was difficulttrudny was to get them to imaginewyobrażać sobie:
56
159000
3000
Trudne było sprawienie, żeby sobie wyobrazili...
03:00
so, imaginewyobrażać sobie that that linkpołączyć could have goneodszedł
57
162000
4000
wyobrazili, że ten link może prowadzić
03:04
to virtuallywirtualnie any documentdokument you could imaginewyobrażać sobie.
58
166000
2000
do praktycznie każdego dokumentu, o jakim można sobie pomyśleć.
03:07
AlrightW porządku, that is the leapskok that was very difficulttrudny for people to make.
59
169000
4000
Dobrze. To jest ten skok, który był dla niektórych bardzo trudny do wykonania.
03:11
Well, some people did.
60
173000
2000
Cóż... a niektórym się udał.
03:13
So yeah, it was difficulttrudny to explainwyjaśniać, but there was a grassrootsoddolne movementruch.
61
175000
3000
Owszem, było to trudne do wyjaśnienia, ale pojawił się spontaniczny oddolny ruch.
03:17
And that is what has madezrobiony it mostwiększość funzabawa.
62
179000
4000
I właśnie to było źródło największej radości.
03:21
That has been the mostwiększość excitingekscytujący thing,
63
183000
2000
To był najbardziej ekscytujący element:
03:23
not the technologytechnologia, not the things people have doneGotowe with it,
64
185000
2000
nie technika, nie jak ludzie ją wykorzystywali,
03:25
but actuallytak właściwie the communityspołeczność, the spiritduch of all these people
65
187000
2000
ale właśnie społeczność, duch tych wszystkich ludzi
03:27
gettinguzyskiwanie togetherRazem, sendingwysyłanie the emailse-maile.
66
189000
2000
zbierających się razem, wysyłających e-maile.
03:29
That's what it was like then.
67
191000
2000
Tak wtedy było.
03:31
Do you know what? It's funnyzabawny, but right now it's kinduprzejmy of like that again.
68
193000
3000
I wiecie co? To zabawne, ale właśnie teraz znowu dzieje się coś takiego.
03:34
I askedspytał everybodywszyscy, more or lessmniej, to put theirich documentsdokumenty --
69
196000
2000
Poprosiłem wszystkich, powiedzmy, żeby umieścili swoje dokumenty...
03:36
I said, "Could you put your documentsdokumenty on this websieć thing?"
70
198000
3000
powiedziałem „Czy moglibyście umieścić swoje dokumenty w tej pajęczynie WWW?”
03:39
And you did.
71
201000
3000
I wy to zrobiliście.
03:42
ThanksDzięki.
72
204000
1000
Dziękuję.
03:43
It's been a blastpodmuch, hasn'tnie ma it?
73
205000
2000
To było niesamowite, nie sądzicie?
03:45
I mean, it has been quitecałkiem interestingciekawy
74
207000
2000
To znaczy: było to bardzo interesujące,
03:47
because we'vemamy founduznany out that the things that happenzdarzyć with the websieć
75
209000
2000
ponieważ zobaczyliśmy, że rzeczy dziejące się z WWW
03:49
really sortsortować of blowcios us away.
76
211000
2000
naprawdę powalają.
03:51
They're much more than we'dpoślubić originallypierwotnie imaginedwyobrażałem sobie
77
213000
2000
Mają dużo większą skalę niż sobie początkowo wyobrażaliśmy,
03:53
when we put togetherRazem the little, initialInicjał websitestronie internetowej
78
215000
2000
gdy tworzyliśmy pierwszą witrynę www,
03:55
that we startedRozpoczęty off with.
79
217000
2000
z którą wystartowaliśmy.
03:57
Now, I want you to put your datadane on the websieć.
80
219000
3000
Teraz chcę, żebyście umieścili w WWW swoje dane.
04:00
TurnsWłącza out that there is still hugeolbrzymi unlockedodblokowany potentialpotencjał.
81
222000
4000
Wygląda na to, że nadal uwięziony jest olbrzymi potencjał.
04:04
There is still a hugeolbrzymi frustrationudaremnienie
82
226000
2000
Nadal powody do frustracji
04:06
that people have because we haven'tnie mam got datadane on the websieć as datadane.
83
228000
4000
ma wiele osób, ponieważ nie mamy w pajęczynie WWW danych jako danych.
04:10
What do you mean, "datadane"? What's the differenceróżnica -- documentsdokumenty, datadane?
84
232000
2000
Co to znaczy danych? Co za różnica – dokumenty, dane?
04:12
Well, documentsdokumenty you readczytać, OK?
85
234000
3000
Dokumenty są do czytania, tak?
04:15
More or lessmniej, you readczytać them, you can followśledzić linksspinki do mankietów from them, and that's it.
86
237000
3000
Mniej więcej. Czytacie je, korzystacie z linków, żeby przejść gdzie indziej – tak to wygląda.
04:18
DataDanych -- you can do all kindsrodzaje of stuffrzeczy with a computerkomputer.
87
240000
2000
Dane – z nimi można robić najróżniejsze rzeczy na komputerach.
04:20
Who was here or has otherwisew przeciwnym razie seenwidziany HansHans Rosling'sRosling talk?
88
242000
6000
Kto widział tu lub gdzieś indziej prezentację Hansa Roslinga?
04:26
One of the great -- yes a lot of people have seenwidziany it --
89
248000
4000
Jedna z wspaniałych – tak, wiele osób widziało
04:30
one of the great TEDTED TalksRozmowy.
90
252000
2000
– jedna z wspaniałych TED Talks.
04:32
HansHans put up this presentationprezentacja
91
254000
2000
Hans stworzył tę prezentację,
04:34
in whichktóry he showedpokazał, for variousróżnorodny differentróżne countrieskraje, in variousróżnorodny differentróżne colorszabarwienie --
92
256000
5000
w której przedstawił – dotyczące wielu różnych krajów, posługując się wieloma kolorami
04:39
he showedpokazał incomedochód levelspoziomy on one axis
93
261000
3000
– przedstawił na jednej osi wysokość dochodów,
04:42
and he showedpokazał infantDziecko mortalityśmiertelność, and he shotstrzał this thing animatedożywiony throughprzez time.
94
264000
3000
przedstawił śmiertelność niemowląt i zrobił animację zmian z biegiem czasu.
04:45
So, he'don by takenwzięty this datadane and madezrobiony a presentationprezentacja
95
267000
4000
Tak więc, wziął te dane i stworzył prezentację,
04:49
whichktóry just shatteredShattered a lot of mythsmity that people had
96
271000
3000
która zburzyła wiele rozpowszechnionych wśród ludzi mitów
04:52
about the economicsEkonomia in the developingrozwijanie worldświat.
97
274000
4000
dotyczących gospodarek krajów rozwijających się.
04:56
He put up a slideślizgać się a little bitkawałek like this.
98
278000
2000
Pokazał slajd trochę podobny do tego.
04:58
It had undergroundpod ziemią all the datadane
99
280000
2000
Pod ziemią są wszystkie dane.
05:00
OK, datadane is brownbrązowy and boxyBoxy and boringnudny,
100
282000
3000
OK. Dane są jak nudne brązowe skrzynki.
05:03
and that's how we think of it, isn't it?
101
285000
2000
Tak o nich myślimy, prawda?
05:05
Because datadane you can't naturallynaturalnie use by itselfsamo
102
287000
3000
Ponieważ nie możemy oczywiście używać po prostu samych danych.
05:08
But in factfakt, datadane drivesdyski a hugeolbrzymi amountilość of what happensdzieje się in our liveszyje
103
290000
4000
Ale w rzeczywistości dane kierują olbrzymią liczbą zdarzeń w naszym życiu,
05:12
and it happensdzieje się because somebodyktoś takes that datadane and does something with it.
104
294000
3000
a dzieje się tak, ponieważ ktoś bierze te dane i coś z nimi robi.
05:15
In this casewalizka, HansHans had put the datadane togetherRazem
105
297000
2000
W tym przypadku Hans zebrał razem dane,
05:17
he had founduznany from all kindsrodzaje of UnitedStany Zjednoczone NationsNarodów websitesstrony internetowe and things.
106
299000
5000
które znalazł w różnych witrynach ONZ i gdzie indziej.
05:22
He had put it togetherRazem,
107
304000
2000
Zebrał je razem,
05:24
combinedłączny it into something more interestingciekawy than the originaloryginalny piecessztuk
108
306000
3000
połączył w coś ciekawszego niż elementy źródłowe,
05:27
and then he'don by put it into this softwareoprogramowanie,
109
309000
5000
a następnie wrzucił do tego oprogramowania
05:32
whichktóry I think his sonsyn developedrozwinięty, originallypierwotnie,
110
314000
2000
stworzonego, jak mi się wydaje, przez jego syna.
05:34
and producesprodukuje this wonderfulwspaniale presentationprezentacja.
111
316000
3000
I powstała ta wspaniała prezentacja.
05:37
And HansHans madezrobiony a pointpunkt
112
319000
2000
Przy tym Hans nie omieszkał
05:39
of sayingpowiedzenie, "Look, it's really importantważny to have a lot of datadane."
113
321000
4000
zauważyć „Spójrzcie, naprawdę ważne jest posiadanie dużej ilości danych”.
05:43
And I was happyszczęśliwy to see that at the partyprzyjęcie last night
114
325000
3000
A ja się bardzo ucieszyłem, kiedy na przyjęciu zeszłej nocy
05:46
that he was still sayingpowiedzenie, very forciblyprzymusowo, "It's really importantważny to have a lot of datadane."
115
328000
4000
nadal mówił, bardzo dobitnie, „Naprawdę ważne jest posiadanie dużej ilości danych”.
05:50
So I want us now to think about
116
332000
2000
Chciałbym żebyście sobie teraz wyobrazili
05:52
not just two piecessztuk of datadane beingistota connectedpołączony, or sixsześć like he did,
117
334000
4000
nie zaledwie dwa połączone zestawy danych, ani sześć wykorzystanych przez niego,
05:56
but I want to think about a worldświat where everybodywszyscy has put datadane on the websieć
118
338000
5000
ale wyobraźcie sobie świat, gdzie każdy umieścił dane w sieci WWW,
06:01
and so virtuallywirtualnie everything you can imaginewyobrażać sobie is on the websieć
119
343000
2000
dzięki czemu w zasadzie wszystko, co możemy sobie wyobrazić, jest tam.
06:03
and then callingpowołanie that linkedpołączony datadane.
120
345000
2000
A następnie nazwijmy to powiązanymi danymi.
06:05
The technologytechnologia is linkedpołączony datadane, and it's extremelyniezwykle simpleprosty.
121
347000
2000
Ta technologia nosi nazwę „powiązane dane”. Jest ona niezwykle prosta.
06:07
If you want to put something on the websieć there are threetrzy ruleszasady:
122
349000
4000
Jeśli chcecie opublikować coś w WWW, są trzy reguły:
06:11
first thing is that those HTTPHTTP namesnazwy --
123
353000
3000
po pierwsze: te nazwy HTTP,
06:14
those things that startpoczątek with "httphttp:" --
124
356000
2000
to wszystko zaczynające się od http z dwukropkiem,
06:16
we're usingza pomocą them not just for documentsdokumenty now,
125
358000
4000
stosujemy je teraz nie tylko dla dokumentów,
06:20
we're usingza pomocą them for things that the documentsdokumenty are about.
126
362000
2000
używamy ich dla rzeczy, o których mówią dokumenty.
06:22
We're usingza pomocą them for people, we're usingza pomocą them for placesmiejsca,
127
364000
2000
Stosujemy je dla osób, stosujemy dla miejsc,
06:24
we're usingza pomocą them for your productsprodukty, we're usingza pomocą them for eventswydarzenia.
128
366000
4000
dla produktów, dla wydarzeń.
06:28
All kindsrodzaje of conceptualkonceptualistyczny things, they have namesnazwy now that startpoczątek with HTTPHTTP.
129
370000
4000
Wszystko, czemu odpowiadają jakieś pojęcia, ma teraz nazwę zaczynającą się od http.
06:32
SecondDrugi rulereguła, if I take one of these HTTPHTTP namesnazwy and I look it up
130
374000
5000
Druga zasada: gdy wezmę jedną z tych nazw HTTP i sprawdzę ją
06:37
and I do the websieć thing with it and I fetchFetch the datadane
131
379000
2000
i zrobię z nią to, co normalnie robimy w WWW, pobiorę dane
06:39
usingza pomocą the HTTPHTTP protocolprotokół from the websieć,
132
381000
2000
przy użyciu protokołu HTTP z sieci,
06:41
I will get back some datadane in a standardstandard formatformat
133
383000
3000
uzyskam jakieś dane w standardowym formacie,
06:44
whichktóry is kinduprzejmy of usefulprzydatny datadane that somebodyktoś mightmoc like to know
134
386000
5000
to znaczy jakieś użyteczne dane, które może ktoś chce poznać,
06:49
about that thing, about that eventzdarzenie.
135
391000
2000
dotyczące tego czegoś, tego wydarzenia.
06:51
Who'sKto w at the eventzdarzenie? WhateverCokolwiek it is about that personosoba,
136
393000
2000
Kto bierze udział w tym wydarzeniu? Cokolwiek dotyczy danej osoby,
06:53
where they were bornurodzony, things like that.
137
395000
2000
miejsce urodzenia i tym podobne.
06:55
So the seconddruga rulereguła is I get importantważny informationInformacja back.
138
397000
2000
Tak więc druga zasada mówi, że dostaję ważne informacje.
06:57
ThirdTrzecie rulereguła is that when I get back that informationInformacja
139
399000
4000
Trzecia zasada mówi, że gdy dostaję te informacje,
07:01
it's not just got somebody'sczyjś heightwysokość and weightwaga and when they were bornurodzony,
140
403000
3000
będą tam nie tylko czyjeś wzrost i waga i data urodzenia.
07:04
it's got relationshipsrelacje.
141
406000
2000
Będą tam relacje.
07:06
DataDanych is relationshipsrelacje.
142
408000
2000
Dane to relacje.
07:08
InterestinglyCo ciekawe, datadane is relationshipsrelacje.
143
410000
2000
Ciekawa sprawa, że dane to relacje.
07:10
This personosoba was bornurodzony in BerlinBerlin; BerlinBerlin is in GermanyNiemcy.
144
412000
4000
Ta osoba urodziła się w Berlinie, Berlin jest w Niemczech.
07:14
And when it has relationshipsrelacje, wheneverkiedy tylko it expresseswyraża a relationshipzwiązek
145
416000
3000
A gdy są tam relacje, zawsze gdy wyrażona jest relacja,
07:17
then the other thing that it's relatedzwiązane z to
146
419000
3000
inne rzeczy będące w tej relacji
07:20
is givendany one of those namesnazwy that startszaczyna się HTTPHTTP.
147
422000
4000
występują pod jedną z tych nazw zaczynających się od HTTP.
07:24
So, I can go aheadprzed siebie and look that thing up.
148
426000
2000
Więc mogę śmiało do tej rzeczy przejść i zapoznać się z nią.
07:26
So I look up a personosoba -- I can look up then the cityMiasto where they were bornurodzony; then
149
428000
3000
Sprawdzam informacje o osobie – mogę sprawdzić gdzie się urodziła,
07:29
I can look up the regionregion it's in, and the townmiasto it's in,
150
431000
3000
mogę sprawdzić w jakim regionie i w jakim mieście
07:32
and the populationpopulacja of it, and so on.
151
434000
3000
i tamtejszą populację i tak dalej.
07:35
So I can browsePrzeglądaj this stuffrzeczy.
152
437000
2000
Czyli mogę przeglądać to wszystko.
07:37
So that's it, really.
153
439000
2000
I tak to wygląda, naprawdę.
07:39
That is linkedpołączony datadane.
154
441000
2000
To są powiązane dane.
07:41
I wrotenapisał an articleartykuł entitleduprawniona "LinkedPowiązane DataDanych" a couplepara of yearslat agotemu
155
443000
3000
Napisałem kilka lat temu artykuł „Powiązane dane”
07:44
and soonwkrótce after that, things startedRozpoczęty to happenzdarzyć.
156
446000
4000
i wkrótce potem zaczęło się dziać.
07:48
The ideapomysł of linkedpołączony datadane is that we get lots and lots and lots
157
450000
4000
Idea powiązanych danych polega na tym, że posiadamy masę, olbrzymią masę
07:52
of these boxespudła that HansHans had,
158
454000
2000
takich skrzynek, jakie miał Hans,
07:54
and we get lots and lots and lots of things sproutingkiełkowanie.
159
456000
2000
i mamy olbrzymią masę wyrastających pędów.
07:56
It's not just a wholecały lot of other plantsrośliny.
160
458000
3000
To nie jest zwykła wielka liczba odrębnych roślin.
07:59
It's not just a rootkorzeń supplyingdostarczanie a plantroślina,
161
461000
2000
To nie jest zwykły korzeń wspierający roślinę,
08:01
but for eachkażdy of those plantsrośliny, whatevercokolwiek it is --
162
463000
3000
ale w przypadku każdej z tych roślin, cokolwiek to jest
08:04
a presentationprezentacja, an analysisanaliza, somebody'sczyjś looking for patternswzorce in the datadane --
163
466000
3000
– prezentacja, analiza, poszukiwanie wzorców w danych
08:07
they get to look at all the datadane
164
469000
3000
– trzeba patrzeć na wszystkie dane
08:10
and they get it connectedpołączony togetherRazem,
165
472000
2000
i połączyć je razem.
08:12
and the really importantważny thing about datadane
166
474000
2000
Naprawdę ważna sprawa dotycząca danych
08:14
is the more things you have to connectpołączyć togetherRazem, the more powerfulpotężny it is.
167
476000
2000
polega na tym, że im więcej ich połączymy, tym większe dają możliwości.
08:16
So, linkedpołączony datadane.
168
478000
2000
Czyli powiązane dane.
08:18
The memeja ja wentposzedł out there.
169
480000
2000
Ujawnił się tu mem.
08:20
And, prettyładny soonwkrótce ChrisChris BizerBizer at the FreieFreie UniversitatUniversitat in BerlinBerlin
170
482000
4000
I wkrótce Chris Bizer z Freie Universität w Berlinie,
08:24
who was one of the first people to put interestingciekawy things up,
171
486000
2000
jeden z pierwszych, którzy opublikowali ciekawe rzeczy,
08:26
he noticedzauważyłem that WikipediaWikipedia --
172
488000
2000
zauważył że Wikipedia...
08:28
you know WikipediaWikipedia, the onlineonline encyclopediaencyklopedia
173
490000
3000
Znacie Wikipedię, encyklopedię internetową,
08:31
with lots and lots of interestingciekawy documentsdokumenty in it.
174
493000
2000
zawierającą całą masę interesujących dokumentów.
08:33
Well, in those documentsdokumenty, there are little squareskwadraty, little boxespudła.
175
495000
4000
A w tych dokumentach są małe pola, małe ramki.
08:37
And in mostwiększość informationInformacja boxespudła, there's datadane.
176
499000
3000
A w większości tych pól informacyjnych są dane.
08:40
So he wrotenapisał a programprogram to take the datadane, extractwyciąg it from WikipediaWikipedia,
177
502000
4000
Napisał więc program wydobywający te dane z Wikipedii
08:44
and put it into a blobBLOB of linkedpołączony datadane
178
506000
2000
i wstawiający je do bąbli powiązanych danych
08:46
on the websieć, whichktóry he callednazywa dbpediaDBpedii.
179
508000
3000
znajdującego się w WWW. Nazwał to DBpedia.
08:49
DbpediaDBpedii is representedreprezentowany by the blueniebieski blobBLOB in the middleśrodkowy of this slideślizgać się
180
511000
4000
DBpedia to niebieski bąbel na środku tego slajdu.
08:53
and if you actuallytak właściwie go and look up BerlinBerlin,
181
515000
2000
Jeśli faktycznie sprawdzicie informacje o Berlinie,
08:55
you'llTy będziesz find that there are other blobsplamki of datadane
182
517000
2000
zobaczycie tam inne bąble danych,
08:57
whichktóry alsorównież have stuffrzeczy about BerlinBerlin, and they're linkedpołączony togetherRazem.
183
519000
3000
które również zawierają coś o Berlinie i są powiązane razem.
09:00
So if you pullCiągnąć the datadane from dbpediaDBpedii about BerlinBerlin,
184
522000
3000
Więc jeśli wyciągniecie z DBpedii dane dotyczące Berlina,
09:03
you'llTy będziesz endkoniec up pullingciągnięcie up these other things as well.
185
525000
2000
wyciągniecie również te inne rzeczy.
09:05
And the excitingekscytujący thing is it's startingstartowy to growrosnąć.
186
527000
3000
I fascynujące jest, że to zaczyna się rozrastać.
09:08
This is just the grassrootsoddolne stuffrzeczy again, OK?
187
530000
2000
To znowu spontaniczna oddolna inicjatywa, tak?
09:10
Let's think about datadane for a bitkawałek.
188
532000
3000
Pomyślmy chwilę o danych.
09:13
DataDanych comespochodzi in factfakt in lots and lots of differentróżne formsformularze.
189
535000
3000
Dane występują w najrozmaitszych postaciach.
09:16
Think of the diversityróżnorodność of the websieć. It's a really importantważny thing
190
538000
3000
Pomyślcie o zróżnicowaniu WWW. To bardzo ważne,
09:19
that the websieć allowspozwala you to put all kindsrodzaje of datadane up there.
191
541000
3000
że WWW umożliwia zamieszczanie danych wszelkich rodzajów.
09:22
So it is with datadane. I could talk about all kindsrodzaje of datadane.
192
544000
2000
Tak wygląda sprawa z danymi. Mógłbym opowiadać o najróżniejszych rodzajach danych.
09:25
We could talk about governmentrząd datadane, enterprisePrzedsiębiorstwo datadane is really importantważny,
193
547000
4000
Moglibyśmy rozmawiać o danych rządowych, dane przedsiębiorstw są naprawdę ważne,
09:29
there's scientificnaukowy datadane, there's personalosobisty datadane,
194
551000
3000
są dane naukowe, są dane osobowe,
09:32
there's weatherpogoda datadane, there's datadane about eventswydarzenia,
195
554000
2000
są dane meteorologiczne, dane o wydarzeniach,
09:34
there's datadane about talksrozmowy, and there's newsAktualności and there's all kindsrodzaje of stuffrzeczy.
196
556000
4000
dane o prezentacjach i przemówieniach, wiadomości i cała reszta.
09:38
I'm just going to mentionwzmianka a fewkilka of them
197
560000
3000
Wspomnę tylko o kilku rodzajach,
09:41
so that you get the ideapomysł of the diversityróżnorodność of it,
198
563000
2000
abyście uchwycili stopień ich zróżnicowania,
09:43
so that you alsorównież see how much unlockedodblokowany potentialpotencjał.
199
565000
4000
a ponadto dostrzegli ile potencjału jest uwięzione.
09:47
Let's startpoczątek with governmentrząd datadane.
200
569000
2000
Zacznijmy od danych rządowych.
09:49
BarackBarack ObamaObama said in a speechprzemówienie,
201
571000
2000
Barack Obama powiedział w swoim wystąpieniu,
09:51
that he -- AmericanAmerykański governmentrząd datadane would be availabledostępny on the InternetInternet
202
573000
5000
że on... że dane rządu amerykańskiego zostaną udostępnione w Internecie
09:56
in accessibledostępny formatsformaty.
203
578000
2000
w formatach zapewniających powszechną dostępność.
09:58
And I hopenadzieja that they will put it up as linkedpołączony datadane.
204
580000
2000
A ja mam nadzieję, że opublikują je jako powiązane dane.
10:00
That's importantważny. Why is it importantważny?
205
582000
2000
To ważne. Dlaczego ważne?
10:02
Not just for transparencyprzezroczystość, yeah transparencyprzezroczystość in governmentrząd is importantważny,
206
584000
3000
Nie tylko dla przejrzystości. Jasne, przejrzystość działań rządu jest ważna,
10:05
but that datadane -- this is the datadane from all the governmentrząd departmentsdepartamenty
207
587000
3000
ale te dane – to są dane z wszystkich departamentów rządowych.
10:08
Think about how much of that datadane is about how life is livedPerscyativestwo recyrodycyjcystwo recyrodycyjcystwo recyrodycyj in AmericaAmeryka.
208
590000
5000
Pomyślcie ile z tych danych mówi o tym, jak się żyje w Ameryce.
10:13
It's actualrzeczywisty usefulprzydatny. It's got valuewartość.
209
595000
2000
Są one naprawdę użyteczne. Wartościowe.
10:15
I can use it in my companyfirma.
210
597000
2000
Mogę je wykorzystać w swojej firmie.
10:17
I could use it as a kiddziecko to do my homeworkPraca domowa.
211
599000
2000
Gdybym był dzieckiem, mógłbym z nich korzystać przy odrabianiu pracy domowej.
10:19
So we're talkingmówić about makingzrobienie the placemiejsce, makingzrobienie the worldświat runbiegać better
212
601000
3000
Mówimy więc o sprawianiu, by świat był lepszy,
10:22
by makingzrobienie this datadane availabledostępny.
213
604000
2000
dzięki udostępnieniu tych danych.
10:24
In factfakt if you're responsibleodpowiedzialny -- if you know about some datadane
214
606000
4000
Prawdę mówiąc, jeśli jesteście odpowiedzialni – jeśli wiecie o jakiś danych
10:28
in a governmentrząd departmentdepartament, oftenczęsto you find that
215
610000
2000
posiadanych przez jakiś departament rządowy, często widzicie,
10:30
these people, they're very temptedkuszony to keep it --
216
612000
3000
że ci ludzie odczuwają wielką pokusę, żeby je zatrzymać dla siebie.
10:33
HansHans callspołączenia it databaseBaza danych huggingprzytulanie.
217
615000
3000
Hans nazywa to niewypuszczaniem baz danych z objęć.
10:36
You huguścisk your databaseBaza danych, you don't want to let it go
218
618000
2000
Ściskacie swoją bazę w ramionach, nie chcecie jej puścić,
10:38
untilaż do you've madezrobiony a beautifulpiękny websitestronie internetowej for it.
219
620000
2000
dopóki nie przygotujecie dla niej pięknej witryny www.
10:40
Well, I'd like to suggestsugerować that ratherraczej --
220
622000
2000
Ale ja sugeruję, żeby raczej...
10:42
yes, make a beautifulpiękny websitestronie internetowej,
221
624000
2000
Owszem, zróbcie piękną witrynę,
10:44
who am I to say don't make a beautifulpiękny websitestronie internetowej?
222
626000
2000
jakże ja mógłbym powiedzieć „nie róbcie pięknej witryny”?
10:46
Make a beautifulpiękny websitestronie internetowej, but first
223
628000
3000
Zróbcie piękną witrynę, ale najpierw
10:49
give us the unadulteratedbez domieszek datadane,
224
631000
3000
dajcie nam dane bez domieszek.
10:52
we want the datadane.
225
634000
2000
Chcemy danych.
10:54
We want unadulteratedbez domieszek datadane.
226
636000
2000
Chcemy danych bez domieszek.
10:56
OK, we have to askzapytać for rawsurowy datadane now.
227
638000
3000
OK. Musimy poprosić o czyste dane natychmiast.
10:59
And I'm going to askzapytać you to practicećwiczyć that, OK?
228
641000
2000
Przećwiczmy to teraz, dobrze?
11:01
Can you say "rawsurowy"?
229
643000
1000
Powiedzcie „czyste”.
11:02
AudiencePubliczność: RawRAW.
230
644000
1000
Widownia: Czyste.
11:03
TimTim Berners-LeeBerners-Lee: Can you say "datadane"?
231
645000
1000
Tim Berners-Lee: Powiedzcie „dane”.
11:04
AudiencePubliczność: DataDanych.
232
646000
1000
Widownia: Dane.
11:05
TBLTBL: Can you say "now"?
233
647000
1000
TBL: Powiedzcie „natychmiast”.
11:06
AudiencePubliczność: Now!
234
648000
1000
Widownia: Natychmiast!
11:07
TBLTBL: AlrightW porządku, "rawsurowy datadane now"!
235
649000
2000
TBL: Dobrze, czyste dane natychmiast!
11:09
AudiencePubliczność: RawRAW datadane now!
236
651000
2000
Widownia: Czyste dane natychmiast!
11:11
PracticePraktyki that. It's importantważny because you have no ideapomysł the numbernumer of excuseswymawianie się
237
653000
4000
Ćwiczcie to. To ważne, bo nie macie pojęcia ile wymówek
11:15
people come up with to hangpowiesić ontona theirich datadane
238
657000
2000
mają ludzie, żeby zatrzymać swoje dane przy sobie
11:17
and not give it to you, even thoughchociaż you've paidpłatny for it as a taxpayerpodatnik.
239
659000
4000
i nie dać ich Wam, choć zapłaciliście za nie jako podatnicy.
11:21
And it's not just AmericaAmeryka. It's all over the worldświat.
240
663000
2000
I nie jest tak tylko w Ameryce. Jest tak na całym świecie.
11:23
And it's not just governmentsrządy, of coursekurs -- it's enterprisesprzedsiębiorstw as well.
241
665000
3000
I nie dotyczy to tylko rządów oczywiście – z firmami jest tak samo.
11:26
So I'm just going to mentionwzmianka a fewkilka other thoughtsmyśli on datadane.
242
668000
3000
Teraz przedstawię kilka innych myśli dotyczących danych.
11:29
Here we are at TEDTED, and all the time we are very consciousprzytomny
243
671000
5000
Jesteśmy tu na TED i cały czas mamy wielką świadomość
11:34
of the hugeolbrzymi challengeswyzwania that humanczłowiek societyspołeczeństwo has right now --
244
676000
5000
olbrzymich wyzwań, przed którymi stoi teraz ludzkość:
11:39
curingutwardzania cancernowotwór, understandingzrozumienie the brainmózg for Alzheimer'sAlzheimera,
245
681000
3000
leczenie raka, poznanie mózgu w celu leczenia choroby Alzheimera,
11:42
understandingzrozumienie the economygospodarka to make it a little bitkawałek more stablestabilny,
246
684000
3000
zrozumienie działania gospodarki, by uczynić ją trochę bardziej stabilną,
11:45
understandingzrozumienie how the worldświat worksPrace.
247
687000
2000
odkrycie jak działa świat.
11:47
The people who are going to solverozwiązać those -- the scientistsnaukowcy --
248
689000
2000
Ludzie, którzy rozwiążą te problemy, naukowcy
11:49
they have half-formedpołowie uformowane ideaspomysły in theirich headgłowa,
249
691000
2000
mają w głowach częściowo ukształtowane idee,
11:51
they try to communicatekomunikować się those over the websieć.
250
693000
3000
które próbują przedstawić światu za pośrednictwem WWW.
11:54
But a lot of the statestan of knowledgewiedza, umiejętności of the humanczłowiek racewyścigi at the momentza chwilę
251
696000
3000
Ale masa wiedzy gatunku ludzkiego obecnie
11:57
is on databasesbaz danych, oftenczęsto sittingposiedzenie in theirich computerskomputery,
252
699000
3000
znajduje się w bazach danych, często w komputerach tych naukowców,
12:00
and actuallytak właściwie, currentlyobecnie not sharedudostępniony.
253
702000
3000
i tak naprawdę nie jest obecnie udostępniana innym.
12:03
In factfakt, I'll just go into one areapowierzchnia --
254
705000
3000
Prawdę mówiąc, przedstawię tylko jeden obszar:
12:06
if you're looking at Alzheimer'sAlzheimera, for exampleprzykład,
255
708000
2000
jeśli przyjrzymy się na przykład chorobie Alzheimera,
12:08
drugnarkotyk discoveryodkrycie -- there is a wholecały lot of linkedpołączony datadane whichktóry is just comingprzyjście out
256
710000
3000
poszukiwaniu leków – mamy olbrzymią ilość powiązanych danych
12:11
because scientistsnaukowcy in that fieldpole realizerealizować
257
713000
2000
ponieważ naukowcy zajmujący się tą dziedziną zdają sobie sprawę,
12:13
this is a great way of gettinguzyskiwanie out of those silossilosy,
258
715000
3000
że jest to znakomity sposób na ucieczkę z tych silosów,
12:16
because they had theirich genomicsgenomika datadane in one databaseBaza danych
259
718000
4000
gdzie mają dane genomiczne w jednej bazie danych
12:20
in one buildingbudynek, and they had theirich proteinbiałko datadane in anotherinne.
260
722000
3000
w jednym budynku a dane proteomiczne gdzie indziej.
12:23
Now, they are stickingklejący it ontona -- linkedpołączony datadane --
261
725000
3000
Teraz składają jedne z drugimi – powiązane dane
12:26
and now they can askzapytać the sortsortować of questionpytanie, that you probablyprawdopodobnie wouldn'tnie askzapytać,
262
728000
3000
– i mogą zadawać pytania, jakich Wy prawdopodobnie byście nie zadali.
12:29
I wouldn'tnie askzapytać -- they would.
263
731000
2000
Ja bym nie zadał – a oni tak.
12:31
What proteinsbiałka are involvedzaangażowany in signalsygnał transductiontransdukcji
264
733000
2000
Jakie białka biorą udział w przenoszeniu sygnałów
12:33
and alsorównież relatedzwiązane z to pyramidalpiramidy neuronsneurony?
265
735000
2000
a ponadto są związane z neuronami układu piramidowego?
12:35
Well, you take that mouthfulłyk and you put it into GoogleGoogle.
266
737000
3000
Spróbujcie wrzucić takie mądre pytanie do Google.
12:38
Of coursekurs, there's no pagestrona on the websieć whichktóry has answeredodpowiedział that questionpytanie
267
740000
3000
Oczywiście nie ma w WWW żadnej strony z odpowiedzią na nie,
12:41
because nobodynikt has askedspytał that questionpytanie before.
268
743000
2000
ponieważ nikt go wcześniej nie zadał.
12:43
You get 223,000 hitstrafienia --
269
745000
2000
Dostaniemy 223 000 trafień
12:45
no resultswyniki you can use.
270
747000
2000
i żadnego przydatnego wyniku.
12:47
You askzapytać the linkedpołączony datadane -- whichktóry they'veoni now put togetherRazem --
271
749000
3000
Gdy zapytacie powiązane dane, które oni złożyli razem:
12:50
32 hitstrafienia, eachkażdy of whichktóry is a proteinbiałko whichktóry has those propertiesnieruchomości
272
752000
4000
mamy 32 trafienia, z których każde odpowiada białku mającemu te właściwości
12:54
and you can look at.
273
756000
2000
i możemy to wszystko przejrzeć.
12:56
The powermoc of beingistota ablezdolny to askzapytać those questionspytania, as a scientistnaukowiec --
274
758000
3000
Możliwość zadawania takich pytań przez naukowców,
12:59
questionspytania whichktóry actuallytak właściwie bridgemost acrossprzez differentróżne disciplinesdyscypliny --
275
761000
2000
pytań przekraczających granice dyscyplin,
13:01
is really a completekompletny seamorze changezmiana.
276
763000
3000
to niesamowity przełom.
13:04
It's very very importantważny.
277
766000
2000
To coś bardzo ważnego.
13:06
ScientistsNaukowcy are totallycałkowicie stymiednapiętnowany at the momentza chwilę --
278
768000
2000
Naukowcy są obecnie zupełnie skrępowani:
13:08
the powermoc of the datadane that other scientistsnaukowcy have collectedZebrane is lockedzablokowany up
279
770000
5000
masa danych zgromadzonych przez innych naukowców jest uwięziona.
13:13
and we need to get it unlockedodblokowany so we can tacklesprzęt those hugeolbrzymi problemsproblemy.
280
775000
3000
Musimy je uwolnić, aby móc poradzić sobie z tymi wielkimi problemami.
13:16
Now if I go on like this, you'llTy będziesz think that all the datadane comespochodzi from hugeolbrzymi institutionsinstytucje
281
778000
4000
Gdybyśmy poszli dalej tym tropem, moglibyście sobie pomyśleć, że wszystkie dane pochodzą z wielkich instytucji
13:20
and has nothing to do with you.
282
782000
3000
i nie mają nic wspólnego z Wami.
13:23
But, that's not trueprawdziwe.
283
785000
2000
Jednak to nieprawda.
13:25
In factfakt, datadane is about our liveszyje.
284
787000
2000
Tak naprawdę, dane dotyczą naszego życia.
13:27
You just -- you loglog on to your socialspołeczny networkingnetworking siteteren,
285
789000
3000
Zwyczajnie logujecie się do serwisu społecznościowego,
13:30
your favoriteulubiony one, you say, "This is my friendprzyjaciel."
286
792000
2000
swojego ulubionego, i stwierdzacie „To jest mój znajomy”.
13:32
BingBing! RelationshipRelacja. DataDanych.
287
794000
3000
Bach! Relacja. Dane.
13:35
You say, "This photographfotografia, it's about -- it depictsprzedstawia this personosoba. "
288
797000
3000
Stwierdzacie „To zdjęcie przedstawia... jest na nim ta osoba”.
13:38
BingBing! That's datadane. DataDanych, datadane, datadane.
289
800000
3000
Bach! To dane. Dane, dane, dane.
13:41
EveryKażdy time you do things on the socialspołeczny networkingnetworking siteteren,
290
803000
2000
Zawsze gdy robicie coś w serwisie społecznościowym,
13:43
the socialspołeczny networkingnetworking siteteren is takingnabierający datadane and usingza pomocą it -- re-purposingponowne wykorzystanie it --
291
805000
4000
ten serwis bierze te dane i ich używa – robi z nich coś nowego
13:47
and usingza pomocą it to make other people'sludzie liveszyje more interestingciekawy on the siteteren.
292
809000
4000
– i używa by dostarczyć ciekawszych wrażeń innym, którzy z niego korzystają.
13:51
But, when you go to anotherinne linkedpołączony datadane siteteren --
293
813000
2000
Ale gdy przechodzicie do innego serwisu z powiązanymi danymi,
13:53
and let's say this is one about travelpodróżować,
294
815000
3000
powiedzmy dotyczącego podróży,
13:56
and you say, "I want to sendwysłać this photozdjęcie to all the people in that groupGrupa,"
295
818000
3000
i stwierdzacie „Chcę wysłać to zdjęcie do wszystkich ludzi w tej grupie”,
13:59
you can't get over the wallsściany.
296
821000
2000
nie pokonacie murów.
14:01
The EconomistEkonomista wrotenapisał an articleartykuł about it, and lots of people have bloggedBlogged about it --
297
823000
2000
The Economist opublikował artykuł o tym, również wiele osób pisało o tym w blogach:
14:03
tremendousogromny frustrationudaremnienie.
298
825000
1000
ogromna frustracja.
14:04
The way to breakprzerwa down the silossilosy is to get inter-operabilityinteroperacyjności
299
826000
2000
Sposobem na zburzenie tych silosów jest interoperacyjność
14:06
betweenpomiędzy socialspołeczny networkingnetworking siteswitryny.
300
828000
2000
serwisów społecznościowych.
14:08
We need to do that with linkedpołączony datadane.
301
830000
2000
Musimy to zrobić, stosując powiązane dane.
14:10
One last typerodzaj of datadane I'll talk about, maybe it's the mostwiększość excitingekscytujący.
302
832000
3000
Ostatni rodzaj danych, o których wspomnę, jest może najbardziej fascynujący.
14:13
Before I cameoprawa ołowiana witrażu down here, I lookedspojrzał it up on OpenStreetMapOpenStreetMap
303
835000
3000
Zanim tu dotarłem, obejrzałem to miejsce w OpenStreetMap.
14:16
The OpenStreetMap'sW OpenStreetMap a mapmapa, but it's alsorównież a WikiWiki.
304
838000
2000
OpenStreetMap to mapa, ale również wiki.
14:18
ZoomPowiększenie in and that squareplac thing is a theaterteatr -- whichktóry we're in right now --
305
840000
3000
Powiększę obraz i to kwadratowe coś to teatr, w którym jesteśmy teraz.
14:21
The TerraceTaras TheaterTeatr. It didn't have a nameNazwa on it.
306
843000
2000
The Terrace Theater. Nie było na nim nazwy.
14:23
So I could go into editedytować modetryb, I could selectWybierz the theaterteatr,
307
845000
2000
Więc przełączyłem w tryb edycji, wybrałem ten teatr,
14:25
I could addDodaj down at the bottomDolny the nameNazwa, and I could savezapisać it back.
308
847000
5000
dodałem na dole nazwę i zapisałem.
14:30
And now if you go back to the OpenStreetMapOpenStreetMap. orgorg,
309
852000
3000
I jeśli teraz wejdziecie na OpenStreetMap.org
14:33
and you find this placemiejsce, you will find that The TerraceTaras TheaterTeatr has got a nameNazwa.
310
855000
3000
i znajdziecie to miejsce, zobaczycie, że The Terrace Theater ma nazwę.
14:36
I did that. Me!
311
858000
2000
Ja to zrobiłem. Ja!
14:38
I did that to the mapmapa. I just did that!
312
860000
2000
Zrobiłem to na tej mapie. Właśnie to zrobiłem!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Wstawiłem to tam. I wiecie co?
14:42
If I -- that streetulica mapmapa is all about everybodywszyscy doing theirich bitkawałek
314
864000
3000
Jeśli ja... ta mapa to po prostu wykonywanie przez każdego swojego kawałka pracy,
14:45
and it createstworzy an incredibleniesamowite resourceratunek
315
867000
3000
dzięki czemu powstają niesamowite zasoby,
14:48
because everybodywszyscy elsejeszcze does theirsich.
316
870000
3000
ponieważ inni też dorzucają coś swojego.
14:51
And that is what linkedpołączony datadane is all about.
317
873000
3000
I to są właśnie powiązane dane.
14:54
It's about people doing theirich bitkawałek
318
876000
3000
To ludzie robiący coś samemu,
14:57
to produceprodukować a little bitkawałek, and it all connectingzłączony.
319
879000
3000
żeby dorzucić mały fragmencik, a wszystko jest ze sobą połączone.
15:00
That's how linkedpołączony datadane worksPrace.
320
882000
3000
Tak działają powiązane dane.
15:03
You do your bitkawałek. EverybodyKażdy elsejeszcze does theirsich.
321
885000
4000
Ty robisz swój kawałek. Inni też robią swoje.
15:07
You maymoże not have lots of datadane whichktóry you have yourselfsiebie to put on there
322
889000
4000
Możecie nie mieć dużo własnych danych do opublikowania,
15:11
but you know to demandżądanie it.
323
893000
3000
ale wiecie, że macie ich żądać.
15:14
And we'vemamy practicedpraktykowane that.
324
896000
2000
To już przećwiczyliśmy.
15:16
So, linkedpołączony datadane -- it's hugeolbrzymi.
325
898000
4000
Czyli powiązane dane – to wielka sprawa.
15:20
I've only told you a very smallmały numbernumer of things
326
902000
3000
Opowiedziałem wam tylko o małym wycinku.
15:23
There are datadane in everykażdy aspectaspekt of our liveszyje,
327
905000
2000
Istnieją dane dotyczące każdego aspektu naszego życia,
15:25
everykażdy aspectaspekt of work and pleasureprzyjemność,
328
907000
3000
każdego aspektu pracy i zabawy,
15:28
and it's not just about the numbernumer of placesmiejsca where datadane comespochodzi,
329
910000
3000
nie chodzi tylko o liczbę miejsc, z których pochodzą dane,
15:31
it's about connectingzłączony it togetherRazem.
330
913000
3000
chodzi o połączenie ich razem.
15:34
And when you connectpołączyć datadane togetherRazem, you get powermoc
331
916000
3000
A gdy połączymy razem dane, mamy możliwości,
15:37
in a way that doesn't happenzdarzyć just with the websieć, with documentsdokumenty.
332
919000
3000
jakich nie daje samo WWW złożone z dokumentów.
15:40
You get this really hugeolbrzymi powermoc out of it.
333
922000
4000
To daje nam naprawdę olbrzymie możliwości.
15:44
So, we're at the stageetap now
334
926000
3000
A więc teraz jesteśmy na etapie,
15:47
where we have to do this -- the people who think it's a great ideapomysł.
335
929000
4000
gdy musimy to zrobić my – ludzie uważający, że to świetny pomysł.
15:51
And all the people -- and I think there's a lot of people at TEDTED who do things because --
336
933000
3000
I wszystkie osoby – myślę, że na TED jest mnóstwo ludzi, którzy robią coś, ponieważ...
15:54
even thoughchociaż there's not an immediatenatychmiastowy returnpowrót on the investmentinwestycja
337
936000
2000
...mimo że inwestycja nie zwróci się natychmiast,
15:56
because it will only really payzapłacić off when everybodywszyscy elsejeszcze has doneGotowe it --
338
938000
3000
ponieważ zyski pojawią się, tylko gdy wszyscy inni też to zrobią.
15:59
they'lloni to zrobią do it because they're the sortsortować of personosoba who just does things
339
941000
4000
Zrobią to ponieważ są ludźmi, którzy po prostu robią rzeczy,
16:03
whichktóry would be good if everybodywszyscy elsejeszcze did them.
340
945000
3000
które zrobione także przez wszystkich innych, przyniosą coś dobrego.
16:06
OK, so it's callednazywa linkedpołączony datadane.
341
948000
2000
OK. A więc to są powiązane dane.
16:08
I want you to make it.
342
950000
2000
Chcę, żebyście je tworzyli.
16:10
I want you to demandżądanie it.
343
952000
2000
Chcę, żebyście ich żądali.
16:12
And I think it's an ideapomysł worthwartość spreadingrozpościerający się.
344
954000
2000
I myślę, że to idea warta rozpowszechniania.
16:14
ThanksDzięki.
345
956000
1000
Dziękuję.
16:15
(ApplauseAplauz)
346
957000
3000
(Oklaski)
Translated by Marcin Krzaczkowski
Reviewed by Seweryn Jakubiec

▲Back to top

ABOUT THE SPEAKER
Tim Berners-Lee - Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development.

Why you should listen

In the 1980s, scientists at CERN were asking themselves how massive, complex, collaborative projects -- like the fledgling LHC -- could be orchestrated and tracked. Tim Berners-Lee, then a contractor, answered by inventing the World Wide Web. This global system of hypertext documents, linked through the Internet, brought about a massive cultural shift ushered in by the new tech and content it made possible: AOL, eBay, Wikipedia, TED.com...

Berners-Lee is now director of the World Wide Web Consortium (W3C), which maintains standards for the Web and continues to refine its design. Recently he has envisioned a "Semantic Web" -- an evolved version of the same system that recognizes the meaning of the information it carries. He's the 3Com Founders Professor of Engineering in the School of Engineering with a joint appointment in the Department of Electrical Engineering and Computer Science at the Laboratory for Computer Science and Artificial Intelligence (CSAIL) at the MIT, where he also heads the Decentralized Information Group (DIG). He is also a Professor in the Electronics and Computer Science Department at the University of Southampton, UK.

More profile about the speaker
Tim Berners-Lee | Speaker | TED.com