Video: Zona Cacing di Dunia Nyata (November 2024)
Pada edisi Fast Forward, saya bercakap dengan Hicham Oudghiri, Ketua Pegawai Eksekutif dan pengasas bersama Enigma, sebuah syarikat yang mengkhusus dalam mengumpulkan dan memahami set data besar. Enigma adalah pengurusan data operasi dan syarikat risikan untuk pelanggan swasta, tetapi ia mungkin paling terkenal untuk Enigma Public, kumpulan data yang boleh dicari dan mudah diakses yang termasuk segala-galanya dari gaji kakitangan White House Office ke pemeriksaan restoran New York City. Kami bercakap mengenai kuasa data besar, had privasi pengguna, dan masa depan dunia yang didorong oleh data kami.
Kenapa anda tidak menjelaskan kepada saya sedikit tentang apa yang menjadi syarikat data terbuka bermakna hari ini?
Sudah tentu. Kami mula mengumpul sejumlah besar data awam di mana-mana sahaja yang kami dapati, dengan misi itu benar-benar cuba untuk menghubungkan fakta-fakta yang sangat berbeza mengenai dunia. Kami menyedari, dalam proses itu, sama seperti akses kepada data asas ini telah rosak, corak ini mengasyikkan untuk data orang sendiri, untuk skim pelaporan data awam-swasta seperti dalam persekitaran peraturan. Benar, apa yang kami bawa ialah tanggapan ini terhadap data terbuka sebagai model operasi di mana sahaja kami pergi.
Tempat manis kami hari ini sedang mengusahakan repositori aset besar-besaran data awam ini dan membawanya menanggung persekitaran masalah sebenar yang sering di belakang firewall untuk perusahaan. Walaupun kami mengumpul dan mengedarkan sejumlah besar data, kami mendapati bahawa mengambil langkah seterusnya ke depan untuk benar-benar menafsirkan data dan menghubungkannya dengan data peribadi benar-benar membantu menilai kesan beberapa masalah yang kami ingin selesaikan.
Orang mendengar tentang set data terbuka, set data awam, set data peribadi. Apakah jenis data yang kami bincangkan di sini?
Kami bercakap mengenai data sumber, data rasmi, perkara-perkara yang diterbitkan oleh agensi-agensi kerajaan, perkara-perkara yang diterbitkan oleh agensi-agensi antarabangsa, semua yang berbeza, dari rekod pendaftaran korporat dan penilaian harta kepada visa H-1B atau penghantaran kargo. Sudah tentu tidak bercakap tentang perkara seperti data LinkedIn, yang telah menjadi topik perbahasan yang besar baru-baru ini sama ada ia atau set data awam. Terdapat tuntutan itu dengan banyak pertelingkahan baru-baru ini.
Semua data cuaca yang kami kumpulkan berasal daripada sumber rasmi, atau GPS sebagai teknologi.
Jadi anda mengambil semua set data awam dan kemudian anda boleh menggabungkan mereka dengan set data peribadi yang syarikat akan memberi anda secara khusus dan benar-benar melihat pandangan antara menggabungkan kedua-dua?
Ya, sangat kerap. Pikirkan tentang kes penggunaan kanun di mana anda cuba melakukan sesuatu seperti mencari tahu jika sesebuah syarikat adalah benar. Jika ia sebuah syarikat kecil, ambil, katakan, restoran atau perniagaan kecil. Sering kali, jenis profil yang mereka ada pada mereka sangat nipis. Tetapi jika anda melihat perkara seperti lesen minuman keras atau pemeriksaan Jabatan Buruh atau pemeriksaan rekod kesihatan, anda akan mendapat gambaran yang lebih berbutir mengenai siapa mereka.
Selalunya, yang membantu syarikat-syarikat ini seperti memberi contoh bahawa mereka bahkan benar-benar mendapat akses kepada kredit, untuk mendapatkan insurans, perkara-perkara semacam ini. Bergerak dari, "Ini adalah aplikasi 18 muka surat anda" dan proses yang sangat menjengkelkan melalui tujuh set pematuhan yang berbeza, kepada sesuatu yang boleh berlaku dalam talian secara automatik dan cara yang kurang berisiko secara umum.
Jadi, bukannya hanya menaipnya ke Google untuk melihat jika mereka mempunyai laman web dan bahawa mereka benar, anda boleh mempunyai semua set data lain untuk mengesahkan walaupun barangan asas?
Sudah tentu.
Kami bercakap, sebelum kita hidup, mengenai Ozark , jadi persembahan kegemaran anda, pertunjukan kegemaran saya yang baru, dan idea untuk menggunakan data ini untuk pematuhan dan pelaporan kewangan dan juga untuk memburu pencuci wang.
Yeah. Pertama sekali, salah satu persembahan terbaik di luar sana. Palam yang besar untuk Netflix, telah menjadi studio Hollywood pertama-kelas.
Mereka telah membayarnya. Mereka telah membeli jalan ke pasaran itu.
Mereka pasti ada. Tetapi persembahan ini mengenai watak Jason Bateman yang mendapati dirinya sebagai pencuci wang untuk kartel ubat ini. Menangkapnya adalah bahawa dia menyelamatkan nyawanya dengan mengatakan bahawa dia akan pergi ke Ozarks dan mencari saluran baru untuk mencuci wang melalui. Dia mula membeli ke dalam perniagaan-perniagaan yang lebih sibuk ini dan kemudian melalui pelbagai kos.
Masalah pencucian wang adalah masalah teoretis besar di dalamnya, jujur, anda melihat corak kegiatan di kalangan pedagang atau pengguna jasa kewangan yang lain dan juga hubungan di antara mereka. Jadi, anda akan mempunyai seperti ejen berdaftar, jelas, seseorang seperti Jason Bateman, yang sedang berjalan dan melakukan ini untuk beberapa perniagaan. Dia membeli-dalam secara peribadi kepada mereka dan mula mendapatkan namanya dalam pelbagai bentuk yang berbeza, dan anda akan melihat corak aktiviti. Ini adalah sesuatu yang perlu dilawan oleh bank-bank, jelas, kerana ia menjejaskan sistem dan mereka berada di cangkuk untuk melakukan ini.
Jenayah telah sama seperti digital dan desentralisasi sebagai muzik. Ini masalah yang lebih besar. Tidak ada satu keluarga massa besar yang kerajaan dapat mengintai selama berbulan-bulan dan mendapatkan mereka gaya Capone. Ini adalah mengejar semua di banyak bidang. Kami telah membantu dan bekerja untuk membawa data awam untuk menanggung masalah itu, tetapi juga membawa teknologi kami yang kami gunakan untuk mengagregat semua data awam ini untuk menanggung masalah itu, hanya kerana bank mempunyai banyak peningkatan teknologi untuk lakukan untuk menggabungkan set data mereka sendiri ke dalam petunjuk yang kuat dan kontekstual bagi penyiasat yang mereka ada pada kakitangan.
Saya rasa kita berada pada tahap sekarang di mana kita mendapat semua data awam yang dicipta oleh agensi kerajaan. Kami mempunyai semua set data peribadi ini. Setiap syarikat mempunyai pelbagai set data dan banyak format yang berbeza, selalunya, dalam syarikat yang sama. Namun, tidak banyak standardisasi, dan menjadikan mereka bekerja bersama sebenarnya merupakan cabaran utama.
Ini satu cabaran besar, dan mungkin salah satu tesis terbesar yang kita ada di Enigma adalah pembahagian besar. Salah satu pelabur saya memanggilnya dengan cara ini - ada dunia di mana data digunakan dalam bit dan ada dunia di mana ia digunakan dalam atom. Syarikat-syarikat berteknologi, Google, Facebook, Amazon, mereka semua telah melakukan pekerjaan yang menakjubkan dengan mengambil data yang mereka dapat dari aktiviti anda melayari web dan membuat perkhidmatan baru seperti carian dan pengalaman e-dagang yang lebih baik. Tetapi data itu semua wujud. Ia adalah bahasa asli. Ia hanya mendengar anda di web. Web adalah protokol, dan protokol tersebut direka untuk saling bercakap.
Tetapi apabila anda mempunyai data ini yang digunakan dalam atom, atau dunia nyata, seperti seseorang yang masuk ke sebuah bank di Ozarks dan meminta pinjaman kecil, yang kelihatan berbeza daripada orang lain yang berjalan ke cawangan bank yang lain, atau bekas kargo kapal datang dalam yang meminta nama syarikat yang melakukan penghantaran. Semua data ini direka - atau tidak direka - untuk bercakap antara satu sama lain jadi ada masalah besar untuk menjahit data ini bersama-sama. Saya fikir ia akan mengambil industri-industri yang kurang, sememangnya berteknologi lebih lama untuk meraih manfaat daripada apa yang anda lihat dalam teknologi dengan data besar. Tetapi apabila mereka melakukannya, saya fikir ia akan mengubah banyak cara kita hidup sehari-hari dengan cara yang sangat berkesan.
Saya juga mendapat pengertian bahawa, apabila ada motif kewangan untuk menjahit bersama-sama set data ini dan mewujudkan pandangan ini, perniagaan mencari cara untuk membayarnya dan mereka mencari jalan untuk menyelesaikannya. Syarikat kad kredit adalah salah satu syarikat pertama yang dapat mengenalpasti corak dan mengenalpasti penipuan. Saya berasa seperti sektor awam agak jauh di belakang ketika datang untuk menghasilkan pandangan dari jumlah data ini. Adakah penilaian yang adil itu?
Sektor swasta sentiasa, dalam beberapa deria, mempunyai kelebihan dalam mengoperasionalkan teknologi. Insentif kewangan adalah besar dan juga gaya operasi unit yang lebih kecil. Kerajaan AS sebenarnya salah satu daripada organisasi terbesar di dunia, dan apa yang dilakukan adalah benar-benar masalah orang. Memastikan insentif diselaraskan, memastikan orang mengambil risiko yang betul.
Tetapi kita telah melihat kerajaan melakukan beberapa perkara yang sangat inovatif. Kami bekerjasama dengan City of New Orleans, saya fikir ia seperti dua tahun yang lalu, untuk membantu mereka pada dasarnya meramalkan di mana tuan-tuan tanah kumuh adalah, kebanyakannya memasang pengesan asap di rumah-rumah ini. Post-Katrina, anda mempunyai banyak penyakit ini. Banyak tuan rumah tersingkir dengan meninggalkan orang-orang dengan keadaan yang tidak baik. Secara jujur, pengesan asap hanya berfungsi dengan baik untuk mencegah kematian akibat kebakaran. Daripada menghantar ahli bomba ke rumah rawak, bagaimana jika anda menggunakan faktor-faktor seperti demografi dan berapa umur bangunan itu dan kali terakhir terdapat jenis pemasangan infrastruktur seperti infrastruktur telekomunikasi?
Anda menggunakan semua fakta ini dan anda mendapat kadar hit pintu yang anda mengetuk yang jauh lebih tinggi. Kami telah melihat banyak wang moneyball untuk barang-barang kerajaan tempatan yang cukup kuat. Jelas sekali, terdapat banyak penggunaan data dalam komuniti perisikan, seperti yang anda boleh bayangkan. Kami mendapati terdapat banyak inovasi. Sekali lagi, ini semua mengenai bagaimana anda mengoperasinya.
Anda mempunyai semua titik data tetapi kemudian anda perlu bertanya dengan cara yang sesuai, cari corak. Anda hampir perlu mencari korelasi, dan itulah siri soalan dan jawapan. Ia mewujudkan hubungan dengan data yang, saya fikir kita baru mula mengetahui cara kerja itu.
Ya. Kami mula memikirkan bagaimana ia berfungsi dari perspektif skillset. Dan, seperti pergeseran minda dari segi pemikiran statistik berbanding pemikiran statistik. Ada yang mengatakan: "Semua model adalah salah tetapi ada yang berguna, " - jadi benar-benar mengenai sama ada anda boleh, tanpa data, tanpa algoritma, konteks sedikit, parameter pemikiran statistik anda. Saya mungkin tidak mendapat hak ini, seperti dalam hal kebakaran, kita mungkin tidak mendapat hak ini tetapi kita boleh meningkatkan peluang kita untuk mendapatkannya dengan betul atau kita dapat mengurangkan risiko permukaan kita atau apa yang kita cari. Membawa sikap yang dilakukan terhadap masalah itu, itulah skillet nombor satu ketika datang untuk dapat berfikir secara statistik. Sesetengah orang terkunci, "Baiklah, satu-satunya cara yang boleh kita dapat ialah jika kita mempunyai X, Y, dan Z."
Saya akan memberikan anda kes dalam contoh peribadi. Sering kali di bank, atas sebab-sebab penipuan dan pematuhan sejarah, cara mereka mengesahkan sama ada seseorang itu benar sebelum mereka mengeluarkan kad kredit adalah memastikan nombor telefon dan alamat mereka sepadan dengan apa yang mereka ada pada permohonan itu. Tidak semua syarikat menggunakan talian telefon talian sebenar sekarang. Tidak semua syarikat menggunakan alamat utama mereka sebagai mereka yang sebenarnya beroperasi. Terdapat beberapa jenis realiti yang terlalu ketinggalan zaman yang bekerja di WeWork sekarang dan orang yang menggunakan suara melalui IP. Dapatkan selesa dengan mengenal pasti orang-orang melalui kehadiran sosial mereka atau melalui beberapa set data yang kami bawa di Enigma yang menyediakan mata bukti sampingan ini. Melihat dan menjalankan sejarah secara statistik untuk melihat sama ada kemungkinannya nyata nyata adalah kuat, berbanding dengan jaminan yang anda akan dapatkan dari cara alternatif ini terlebih dahulu.
Saya fikir itu adalah satu perkara yang menarik juga, andaian bahawa semua model akan salah, sama ada salah atau salah dalam cara yang lebih kecil, tetapi tidak mengapa kerana ia masih dapat membantu anda membuat keputusan yang baik. Adakah itu kemahiran yang kita lakukan dengan baik mengajar anak-anak kita, dan di manakah mereka akan mendapat latihan itu? Maksud saya, ia tidak semestinya dalam matematik. Ia tidak akan dalam Kajian Sosial. Di mana mereka mendapat kepekaan itu?
Perangkaan sering kali menjadi subkelas, seperti pendidikan matematik secara umum, tetapi anda melihatnya di tempat lain. Anda melihatnya muncul walaupun dalam suapan ESPN anda hari ini. Orang ramai lebih selesa dengan ramalan yang menjadi sebahagian daripada kehidupan mereka. Secara jujur, saya suka saat ini angsa hitam di mana semua itu terbang di wajah kita. Ambil pilihan raya yang lalu. Anda telah memenangi Hilary, dan anda mempunyai saintis data terbaik di dunia di beberapa institusi terbaik yang menyebutnya salah.
Memenangi, tetapi kemenangan tidak mempunyai kemungkinan 70 peratus untuk menang kerana itu bermakna, satu daripada tiga kali, Donald Trump menang. Dan rasa apa? Ini adalah salah satu daripada tiga kali.
Sudah tentu. Dan kemudian ada pendidikan yang kita lihat pola ini membuat orang lebih selesa. Di dalam bilik darjah, saya fikir salah satu masalah terbesar yang kita miliki hanyalah pembelajaran yang diterapkan. Ia seperti, saya tidak tahu mengapa mereka tidak mengajar kewangan peribadi di dalam bilik darjah. Maksud saya, saya seorang idiot dengan wang saya pada usia 18 tahun dan kesan hutang dan semua itu. Saya masih kagum bahawa mereka tidak berbuat demikian, jadi saya rasa kita bergerak di dunia di mana pendidikan akan mendapat lebih banyak tentang barangan yang diterapkan dan kurang mengenai perkara teori. Tetapi saya bimbang jika kita kehilangan beberapa bahagian pembelajaran budaya. Ini semua adalah trade-off.
Saya akan pergi lebih jauh ke jalan itu dan bercakap tentang kecerdasan buatan.
Kecerdasan Buatan, teknologi transformasi yang sangat hebat. Nampaknya saya mempunyai peranan untuk kecerdasan buatan dalam membantu kita memahami dunia keterlaluan data ini dan mencari corak-corak untuk kita. Adakah anda optimis mengenai AI yang membantu kami memahami atau menjadi sesuatu yang benar-benar berbeza dari pengalaman manusia yang lain?
Tidak. Maksud saya, saya optimistik dalam erti kata saya optimis tentang kemanusiaan secara umum. Saya merasa seperti itu perkara gen flip yang berlaku kepada orang-orang pada suatu tempoh masa. Salah satu perkara yang paling saya sukai tentang janji kecerdasan buatan adalah bahawa ia sebenarnya akan membantu teknologi hilang kerana sekarang, tumpuannya adalah pada teknologi dan data yang begitu hadir. Tetapi pada hakikatnya, kerja data sangat intensif. Ada sebab mereka menyebutnya perlombongan data apabila anda mencari barangan dalam set data. Ia sangat jahat. Set data tidak bersih. Ia jenis brutal dalam erti kata.
Apa yang saya suka tentang AI ialah ia mewujudkan gelung maklum balas daripada pengalaman yang diperhatikan. Walaupun anda mengumpul semua data ini dari semua tempat ini, anda tidak semestinya tahu bagaimana ia akan datang bersama sehingga anda mula mengkaji hasilnya. Pembelajaran mesin membantu kita benar-benar menjadi lebih berorientasikan hasil dalam bagaimana kita dapat berfikir secara statistik. Saya fikir ia akan membantu kita menjauhkan sebahagian daripada kelancaran pekerjaan itu dan menjadi lebih berorientasikan hasil dalam cara kita mendekatinya. Kini, ia pasti menakutkan dari segi kesan ke atas automasi di sesetengah kawasan di mana, terus terang, saya fikir AI harus dibiarkan bersendirian, seperti menggantikan juri. Adakah kita akan mendapat kualiti kecerdasan emosi itu? Saya tidak tahu.
Dan anda perlu memilih dan mengatakan bahawa anda mahu kualiti emosi dalam juri itu bertentangan dengan kemungkinan yang murni bahawa orang ini bersalah atau tidak bersalah?
Ya. Bagi saya, manusia yang mendasarinya, saya rasa sangat penting. Terus terang, hanya berada dalam perniagaan dan melihat betapa sentuhan manusia itu penting untuk meyakinkan orang ramai untuk mula berfikir secara statistik, saya yakin bahawa kita tidak akan kalah dengan kemunculan AI pada skala.
Kami menyentuh sedikit tentang sama ada LinkedIn adalah set data awam. Ramai orang, mereka menyedari bahawa mereka hidup di dunia ini di mana segala-galanya tentang mereka boleh didapati secara dalam talian, dari corak pembelian mereka ke zaman mereka untuk sejarah perubatan mereka. Ia menjadikan orang tidak selesa. Ia membuatkan orang bimbang bahawa kerajaan mempunyai terlalu banyak maklumat. Saya secara peribadi lebih bimbang bahawa syarikat swasta mempunyai terlalu banyak maklumat dan mereka jauh kurang terkawal.
Ya.
Adakah kita memerlukan undang-undang untuk melindungi maklumat peribadi kita? Sekiranya maklumat peribadi dirawat secara berasingan daripada rekod kerajaan anda?
Sudah tentu. Kami mempunyai sedikit perlindungan terhadap undang-undang yang mengawal cara kami memberikan data kami. Fikirkannya dalam profesion tertentu. Dalam profesion perubatan, ia adalah pada lockdown. Tetapi untuk sebab tertentu, ia tidak semestinya pada penguncian dalam industri lain. Sebabnya, pada masa itu, tidak banyak yang boleh anda lakukan dengan maklumat peribadi anda. Hari ini, mereka mempunyai perasaan yang benar-benar baik bagaimana untuk membuat anda menukar atau kemungkinan bahawa anda akan berada di suatu tempat. Untuk semua maksud dan tujuan, itu sebenarnya memberi manfaat kepada kami, pada pandangan saya.
Tetapi pada masa yang sama, data kami masih memerlukan jumlah kesucian dalam cara ia ditangani. Eropah telah keluar dengan undang-undang yang sangat kuat. Terdapat undang-undang yang keluar dipanggil GDPR. Ia ditetapkan untuk diberlakukan pada 2018, dan ia membawa segala-galanya dari memastikan syarikat menjejaki keturunan data peribadi mereka, yang memilikinya, bagaimana akses diberikan kepadanya dalam syarikat, hak untuk dilupakan langkah-langkah. Apabila anda berkata, "Padam data saya, " adakah anda sebenarnya memadamkannya atau adakah anda menyimpannya untuk beberapa maklumat lain? Maka ada pertukaran, selalu, di antara pengguna dan perkhidmatan yang mereka kerjakan. Banyak perkhidmatan ini percuma dan kami suka mereka, bukan?
Saya akan memberikan sebahagian daripada diri saya untuk akses YouTube, bukan? Saya sangat gembira mengenainya.
Dan mungkin, anda ada.
Dan mungkin, saya ada. Tetapi itu tidak bermakna bahawa bahagian yang saya berikan tidak harus dimasukkan ke dalam kotak yang selamat dan saya tahu bahawa kotak itu berada di bawah bunker dan semua benda yang baik itu.
Juga, idea tamat tempoh data, yang, dalam dunia digital hari ini, adalah konsep yang agak baru. Sudah semestinya ada kekaburan tertentu. Sekiranya sesuatu berlaku 30 tahun yang lalu, sukar untuk mencari rekod dan dapatkan profil dari masa lalu. Tetapi ada anak-anak hari ini yang telah menjalani kehidupan seharian mereka secara online, dan apa yang mereka lakukan dan menyiarkannya ketika mereka berusia 13 tahun akan berada di sana ketika mereka berusia 63 tahun.
Ya.
Kami tidak mempunyai infrastruktur undang-undang yang boleh menanganinya dengan cara yang bermakna.
Tidak, kita tidak dan ia adalah kawasan berbulu. Ia adalah kawasan berbulu dalam undang-undang pekerjaan. Ia adalah kawasan berbulu untuk dating, bukan?
Jika anda melihat profil Facebook seseorang - saya fikir budaya akan menyesuaikan diri dengan itu, kehadiran dalam talian seseorang menjadi awam. Tetapi ia hampir teater. Ia seperti kehadiran awam anda bukanlah real anda. Apa itu filem Jim Carey? Kita semua memakai topeng, secara metafora. Jadi saya fikir kehadiran dalam talian anda akan lebih seperti galeri ini atau sekeping seni yang menggambarkan anda dan kemudian ada yang sebenar anda. Tetapi masih ada yang melakukan pukulan tubuh atau sesuatu seperti… Itu, anda tidak mahu menjadi orang awam. Terdapat persoalan sebenar sama ada orang yang cukup muda mempunyai keupayaan untuk membuat keputusan sama ada bijak untuk meletakkannya dalam talian atau tidak. Ia menakutkan, pasti.
Bercakap mengenai perkara-perkara bodoh dalam talian, mari bercakap tentang pentadbiran Trump. Saya telah mendengar di pelbagai bidang… Anda jelas bekerja dengan banyak set data awam. Anda perlu pergi dan meminta izin untuk mendapatkan maklumat ini banyak kali, atau memikirkan bagaimana untuk menanggungnya. Adakah lebih mudah sekarang? Bagaimanakah akses kepada set data awam berubah sejak pentadbiran Trump memegang jawatan?
Ya. Kaveat pertama saya apabila saya bercakap tentang perkara ini, perbezaan besar antara pentadbiran Trump dan kerajaan AS. Kerajaan AS adalah salah satu institusi yang lebih telus yang pernah saya jumpai di dunia. Kami adalah sangat telus berbanding rakan sebaya kami untuk jumlah data yang kami berikan, untuk berapa banyak kami membiayai barangan semacam itu, jadi nombor satu kaveat.
Apabila ia datang kepada Trump, maksud saya, sangat jelas kepada saya bahawa setiap orang harus sangat bimbang tentang sikap pentadbiran ini dengan ketelusan dan perkongsian maklumat. Pertama sekali, ada perkara-perkara yang sangat jelas seperti menyusun senarai pelawat ke Rumah Putih, yang merupakan amalan yang dibuat oleh Obama dan saya fikir salah satu sistem perakaunan yang paling penting dalam kerajaan. Terdapat data EPA, ada data iklim, dan pada umumnya, ada perdebatan tentang beberapa data banci yang dipengaruhi oleh ini. Anda perlu ingat, ini bukan usaha kecil. Saya fikir bancian AS lebih daripada pelaburan $ 4 bilion setiap kali ia berlaku, dengan lebih daripada 300, 000 sukarelawan yang terlibat.
Beberapa perkara ini, kita akan melihat impak mereka dalam empat tahun, hanya diberikan kitaran pembiayaan bagaimana ia berlaku. Walaupun pentadbiran ini pastinya tidak mesra, saya fikir tulang belakang ketelusan di negara ini cukup kuat. Anehnya, yang datang dari kiri dan kanan. Cukup kuat untuk memastikan pergerakan ini terhadap keterbukaan maklumat di sini untuk kekal.
Dan ada banyak menunggang set data ini.
Ya. Itulah cara kami menentukan di mana untuk meletakkan hospital. Itulah cara kami memutuskan bagaimana untuk mengarahkan ambulans. Itulah cara kami membuat keputusan begitu banyak perkhidmatan asas, seperti pengurusan sisa bergantung kepada perkara-perkara semacam ini.
Beritahu orang yang melihat set data awam Enigma, yang saya telah melawat beberapa kali… super, super sejuk. Apa yang diharapkan oleh orang apabila mereka pergi ke sana? Apa yang boleh mereka keluar?
Salah satu komitmen kami adalah untuk terus jujur tentang misi ini untuk mengumpul semua data, tetapi memberikannya seberapa banyak yang dapat kami lakukan kepada orang-orang. Ia bebas untuk digunakan untuk tujuan bukan komersial, tujuan kewartawanan. Kami ingin memastikan semua orang mempunyai akses kepada data ini. Anda tidak perlu log masuk atau perlu memberi maklumat kepada kami untuk meneruskan dan mengaksesnya. Apabila kami mengasaskan syarikat, terdapat premis besar akses.
Seperti yang telah kita pelajari lebih banyak lagi sepanjang tahun, reka bentuk akses dan antara muka dan carian dan kredibiliti telah menjadi sangat penting. Yang lain telah mengurus dan itu tumpuan besar Enigma Public, yang kami dilancarkan semula pada musim panas ini, adalah tanggapan ini bahawa orang perlu tahu bagaimana data ini sedang digunakan. Orang ramai perlu tahu bukan hanya amalan terbaik untuk cara bekerja dengan data tetapi set data mana yang baik untuk apa. Apa yang baru, apa yang menarik? Saya fikir bahawa pendidikan semacam itu adalah sesuatu yang kami sangat teruja untuk menjadi sebahagian daripada dan sesuatu yang kami berharap orang akan mendapatkan yang kedua mereka mendarat di laman web ini.
Ia sememangnya bernilai diperiksa. Saya fikir, sekali lagi, perniagaan melihat data itu dan mereka tahu bahawa mereka boleh membina perniagaan di atasnya. Saya fikir para wartawan dan rakyat, ada banyak pendidikan yang diperlukan.
Sememangnya, pendidikan yang lebih banyak dan, semoga seluruh lapisan perkhidmatan di atasnya menyampaikan sesuatu kepada orang seperti saya dan anda ketika kita tidak geek keluar, jadi untuk bercakap.
Biar saya tanya soalan-soalan yang saya tanya kepada semua orang yang hadir di acara itu. Apakah trend teknologi yang paling menyangkut anda? Adakah terdapat apa-apa yang membuatkan anda bangun pada waktu malam?
Trend yang menyangkut saya yang paling atau perkara yang saya fikir, di kaki langit, bahawa kita harus berhati-hati dengan yang paling utama adalah idea pengaturcaraan biologi ini, sehingga sejauh mana kita mendapat lebih baik pada pemrograman mencipta helaian kehidupan biologi organisma. Ini mempunyai kesan besar untuk kebaikan, tetapi juga mempunyai kesan besar untuk keupayaan untuk mencipta skala kecil, pada dasarnya malfeasance melalui perkara ini. Di mana sahaja teknologi dan bio bertemu, saya sentiasa bimbang tentang bagaimana ia ditangani. Ia seperti gelombang seterusnya bagi saya, pasca nuklear, adalah keupayaan kita untuk melakukan perkara-perkara seperti perkara-perkara urutan pemrograman dalam makmal kecil dan mengedarkannya.
Cabarannya ialah walaupun kita menyebarkan undang-undang di Amerika Syarikat, itu tidak bermakna seseorang tidak boleh melakukan penyelidikan yang sama di China atau di Rusia.
Sudah tentu - dan juga dari perspektif keselamatan, bukan? Jadi kita benar-benar mula mempunyai cara sekarang untuk sesiapa sahaja untuk DIY peperangan biologi sendiri program. Jadi, bagi saya, adalah perkara yang paling banyak saya bimbangkan. Tetapi flipside termasuk perkara-perkara seperti ubat-ubatan khusus, hakikat bahawa anda benar-benar boleh memahami tubuh saya, anda hampir boleh mencipta versi biologi program perisian yang direka untuk menyembuhkan apa-apa penyakit yang saya ada. Sama seperti saya, saya juga teruja untuk itu.
Saya fikir kelemahan kita akan memerlukan sejenis struktur etika untuk meletakkan teknologi baru ini. Kami melakukannya dengan senjata nuklear dan kuasa nuklear, hampir tidak, tetapi kami melakukannya di sana dan saya fikir kita perlu membangunkan sesuatu serupa. Di peringkat peribadi, adakah teknologi yang anda gunakan setiap hari yang baru mengubah kehidupan anda, yang anda kagum dengan?
Ini agak pelik, tetapi hanya FaceTime. Atau sembang video. Saya mempunyai beberapa ahli keluarga di luar negara dan saya banyak bekerjasama untuk bekerja. Perbezaan di antara panggilan telefon dan sembang video sememangnya baik di telefon, itu benar-benar membuat saya merasakan seluruh janji bahawa internet telah menghubungkan semua orang. Mampu, dalam masa 15 saat. Saya asalnya dari Maghribi, jadi melihat seseorang di seluruh dunia dan berkata, "Hei, apa yang awak jadi?", melihat keadaan cuaca di persekitaran mereka dan bagaimana mereka berpakaian dan sikap mereka, yang telah benar-benar mengubah bagaimana saya rasa bersambung dengan orang-orang di sekeliling saya dan membuatkan saya berasa seperti kita semua tinggal di kampung besar ini sedikit lebih, dan saya seperti perasaan itu.
Ada sesuatu yang menarik juga, saya menonton persidangan video yang membesar. Ia akan menjadi perkara seterusnya. Tiada siapa yang akan membuat panggilan telefon lagi. Video conferencing tidak pernah benar-benar melepaskan tetapi sembang video, lebih peribadi, sangat berbeza dan tidak dalam persekitaran kerja, sesuatu yang hampir lebih santai daripada panggilan telefon. Suka boleh jadi perkara yang segera.
Saya mempunyai seorang anak perempuan berusia 3 tahun dan dia benar-benar berpaut. Dia berbual video sebelum dia menelefon. Dia tidak tahu apa panggilan telefonnya. Anda meletakkan telefon pembesar suara dan anda memintanya untuk berbual dengan seseorang dan dia sama sekali tidak berminat. Anda meletakkannya di hadapan datuknya di FaceTime dan dia boleh berada di sana selama 20 minit.
Ia akan menjadi seperti pelik kepadanya sebagai telefon berputar yang anak-anak hari ini tidak tahu bagaimana untuk menggunakannya. Hicham, bagaimana orang boleh mengikuti anda dalam talian, mengetahui apa yang anda lakukan, dan bersaing dengan Enigma?
Pergi ke enigma.com. Semak Enigma Public dengan pasti, itu public.enigma.com. Semak laman web kami. Kami mempunyai akaun Twitter yang sangat aktif, tidak ada Instagram untuk kami lagi.
Jangan katakan tidak pernah.
Jangan katakan tidak pernah. Tetapi-
Anda boleh melakukan perkara yang hebat dengan maklumat grafik.
Ya, betul. Kami peminat data yang sangat besar. Kami mempunyai bahagian yang sejuk di laman web kami, labs.enigma.com, di mana ia adalah semua percubaan kami dan beberapa projek pro bono kami seperti yang saya sebutkan dengan New Orleans, jadi saya akan menyemaknya juga.
Sangat hebat. Terima kasih banyak untuk datang.
Awesome. Terima kasih banyak kerana saya.
